Tps TD 2023

Ecole Na�onale Supérieure Des Mines – Rabat
Département des Sciences de la Terre
Filière :
Génie Civil et Minier
Module :
Géomatique
Support de Tp de :
Télédétection
2022/ 2023 Pr. M. Achalhi

Filière Civil et Minier (S4) 2022-2023
Travaux Pratiques de Télédétection Pr. Achalhi M.
TP N 01 :
MAITRISER LES BASES DE TRAITEMENT D’IMAGES SOUS ENVI 5.3
Objectifs :
Dans ce TP, vous apprendrez à :
- Utiliser l'interface ENVI pour ouvrir et afficher des images multispectrales ;

- Savoir comment créer des affichages RGB ;
- Savoir comment travailler avec le gestionnaire de données « Data Manager » ;
- Savoir comment travailler avec le gestionnaire de calques « Layer Manager » ;
- Savoir naviguer dans une image ;
- Personnaliser les préférences ENVI ;
- Utilisez le gestionnaire de couches pour gérer plusieurs images ;
- Comparer plusieurs images à l'aide d'outils « blend », « flicker » et « swipe » ;
- Découper des images en zones d’intérêt ;
- Affichage des compositions en fausses couleurs pour sortir quelques cibles ;
- Extraire les signatures spectrales des objets ;
- Télécharger les images satellitaires gratuites.
Outils requis :
- Ordinateur
- Logiciel ENVI 5.3
Données associées :
- LC08_L1TP_202036_20190114_20190131_01_T1.tar : Scène Landsat 8 au-dessus de

Rabat, Maroc.
1
1. Démarrer ENVI et explorer la boîte à outils :
Pour commencer, allez sur Windows →Démarrer → Tout les programmes → ENVI 5.3 et
lancer le programme.
Une fois ENVI chargé, vous verrez une interface à fenêtre unique (Figure 1). C'est le panneau
de contrôle principal pour travailler sous ENVI, vous permettant d'ouvrir des fichiers, de
visualiser des images et des vecteurs, et d'appliquer des fonctions de traitement.
Explorez les options disponibles dans la boîte à outils ENVI. Développez les catégories en
cliquant sur le symbole plus. Essayez d'avoir un aperçu des outils disponibles dans chaque
catégorie.
Figure 1 : Interface ENVI 5.3

2. Définir les préférences
Une grande partie de l'interface ENVI et des valeurs par défaut sont configurables. Vous
pouvez personnaliser la configuration d'ENVI et sauvegarder les modifications.
1. Dans Explorateur Windows, créer les répertoires de travail nommés D\TP-TD\Votre

Nom \ Input et D\TP-TD\Votre Nom\Output.
2. Dans la barre de menu ENVI, sélectionnez File → Preferences. La boîte de dialogue de

préférences ENVI apparaît.
2
3. Sélectionnez « Directories » (Répertoires) dans la partie gauche de la boîte de dialogue.
Pour faciliter la navigation dans les fichiers de données, réglez les répertoires d'entrée
et de sortie par défaut pour pointer vers les données de ce TP.
 Cliquez sur « Default Input Directory ». Cliquez sur le menu déroulant et naviguez jusqu'à
D\TP-TD\Votre Nom\Input, cliquez sur OK pour en faire le répertoire d’entrée.
 Cliquez sur « Output Directory ». Cliquez sur le menu déroulant et naviguez jusqu'à D\
TP-TD\ Votre Nom\Output et cliquez sur OK pour en faire le répertoire de sortie.
Figure 2 : Réglage des préférences sous ENVI 5.3
3. Ouverture et affichage des images sous ENVI :
Ouvrir des fichiers et afficher des images est peut-être la tâche la plus élémentaire, mais
fondamentalement importante pour les logiciels de traitement d'images. Par défaut, lorsque
vous ouvrez un fichier, ENVI tente d'afficher automatiquement une image en couleurs réelles
ou en niveaux de gris en fonction de votre type de fichier.
3
 Ouvrir et afficher une image LANDSAT 8
1. Pour commencer, copier tous les fichiers de l’image LANDSAT dans le répertoire
crée :
D\TP-TD\ Votre Nom \ Input \ Rabat \ LC08_L1TP_202036_20190114_20190131_
01_T1.tar
2. Extraire le fichier LC08_L1TP_202036_20190114_20190131_01_T1.tar ;
3. L’image ainsi extraite, comporte 11 bandes spectrales :
Tableau 1 : Bandes spectrales, longueurs d’ondes et résolution spatiale des images Landsat 8
4. Dans la barre de menus principale d'ENVI, sélectionnez File \ Open ;

5. Accédez à D \ TP-TD \ Votre Nom \ Input \ Rabat, sélectionner les fichiers
correspondant aux bandes B2, B3, B4, B5 :
LC08_L1TP_202036_20190114_20190131_01_T1_B2
LC08_L1TP_202036_20190114_20190131_01_T1_B3
LC08_L1TP_202036_20190114_20190131_01_T1_B4
LC08_L1TP_202036_20190114_20190131_01_T1_B5, Cliquez sur Open ;
4
Vous pouvez également ouvrir des fichiers image en cliquant sur le bouton Open
de la barre d'outils, ou en faisant glisser les noms de fichiers d'un répertoire Windows
dans la fenêtre principale d'affichage.
6. Les fichiers image seront chargée sur votre écran. Activez la vue d'ensemble
(Overview) dans le gestionnaire de calques (Layer Manager) en cochant la case.
La zone délimitée en carré rouge, située au milieu de la petite fenêtre indique
l'étendue de votre zone affichée. La région jaune indiquera les parties de l'image que
vous avez déjà explorées.
Figure 3 : Ouverture image Landsat 8, région de Rabat (Maroc).
7. Trouvez l'icône Zoom à fond sur la barre d'outils et cliquez dessus. ENVI affichera
une vue complète de l'image affichée. Notez que la fenêtre Vue d'ensemble est
maintenant complètement jaune parce que vous visualisez la scène entière en même
temps. Désactivez la fenêtre Vue d'ensemble.
8. Sur la boite à outils (Toolbox) chercher le module « Layer Stacking », cliquer dessus,
une nouvelle fenêtre apparait « Layer Stacking Parameters ».
9. Cliquer sur Import files, une nouvelle fenêtre apparait « Layer Stacking input files ».
Sélectionner les 4 fichiers correspondant aux 4 bandes spectrales déjà ouvertes, puis
OK.
5
10. Revenir sur la fenêtre « Layer Stacking Parameters », et donner un nom
(Rabat_B2345) pour le fichier de sortie dans la case « Enter Output filename ».
Choisissez le répertoire de sortie déjà crée D\TP-TD\Votre nom\Output\
Rabat_B2345.
Cliquer sur OK.
Une fois le processus est terminé, l’image sera affichée automatiquement.
Figure 4 : fusionnement des couches en une seule image « Layer Stacking ».
Figure 5 : fusionnement des couches en une seule image « Layer Stacking ».

6
11. Ouverture de l’image à partir du fichier Metadata.

Dans le cas de quelques capteurs déjà connus par ENVI 5.3 (Ex. Landsat), vous pouvez ouvrir
toutes les bandes spectrales composants l’image à partir du fichier Metadata fourni avec
l’image.
Pour ce faire :
a. Allez dans File / Open As / Landsat / GeoTIFF with Metadata, Cliquez Ok.
Allez dans le répertoire D \ TP-TD \ Votre Nom \ Input \ Rabat et sélectionner le fichier
LC08_L1TP_202036_20190114_20190131_01_T1_MTL
Figure 6 : ouverture d’image à partir du fichier Metadata
b. Cliquer Ouvrir, et l’image sera automatiquement affichée avec une composition en

vraies couleurs.
12. Maintenant, nous allons explorer le gestionnaire de données (Data Manager). Ouvrez
votre gestionnaire de données par l'une des trois façons suivantes :
 En cliquant sur l'icône Gestionnaire de données dans la barre d'outils.

 En Appuyant sur la touche <F4> de votre clavier.
 En allant sur File → Data Manager de la barre du menu.
Le gestionnaire de données est l'interface à partir duquel vous pouvez contrôler toutes les
données que vous avez chargées dans ENVI.
7
a. Vous pouvez utiliser le Gestionnaire de données pour afficher vos données et afficher
des informations sur le fichier (métadonnées) telles que le type de capteur, la plage de
longueurs d'onde et la taille totale du fichier.
b. Vous pouvez charger autant de combinaisons de bandes que vos données le
permettent, ou vous pouvez choisir de charger une représentation en niveaux de gris
de vos données.
c. L'option « Charger dans une nouvelle vue » (« Load in New View ») vous permet de
charger un fichier spécifique dans une nouvelle vue. Les boutons « Load Data » et «
Load Grayscale » permettent d'afficher des images en niveaux de gris ainsi que
diverses combinaisons de bandes.
Figure 7 : Gestionnaire de données « Data Manager ».
8
d. Lorsque vous cliquez sur les noms de bandes dans le Gestionnaire de données, les
affectations de couleurs passent automatiquement au rouge, vert et bleu (dans cet
ordre).
13. Utiliserez le gestionnaire de données pour créer différentes combinaisons de bandes :
- Cliquez sur la bande proche infrarouge (NIR) pour l'affecter au rouge.
- Sélectionnez ensuite la bande rouge pour l’affecter au vert
- Sélectionnez la bande verte pour l’affecter au bleu.
Figure 8 : Ouvrir la même image avec une autre combinaison de bandes.

Ce type de combinaison de bandes aide à mettre en évidence la végétation dans la scène en
affichant la longueur d'onde du proche infrarouge en rouge. Cette combinaison de bandes
fera apparaître la végétation en rouge et les zones urbaines et les zones de terre nue en cyan.
Cliquez sur Charger les données pour voir la nouvelle combinaison de bandes.
Figure 9 : affichage de la même image avec deux combinaisons de bandes différentes.
9
De la même manière, vous pouvez afficher des bandes en niveau de gris (Grayscale) :
Figure 10 : affichage de la bande Panchromatique en niveau de gris.
14. Vous pouvez charger plusieurs couches à la fois et gérer ces couches à l'aide du Layer
Manager. Par défaut, tous les calques du gestionnaire de calques sont affichés dans la
fenêtre Image. Vous pouvez temporairement masquer l'affichage d'un calque afin de
pouvoir travailler avec d'autres calques. Vous pouvez contrôler l'ordre des calques
dans l'image en faisant glisser-déposer les calques dans la liste Layer Manager.
- Cliquez et faites glisser le fichier « composition en vraies couleurs » (bandes rouges,
vertes, bleues) vers le haut du Gestionnaire de calques. Il doit être visible en tant que
couche supérieure.
- Double-clique sur l’image dans le gestionnaire de calques, La boîte de dialogue de
métadonnées (Metadata Viewer) s'affiche. Balayer la liste des métadonnées associées
à cette image Landsat8 : Raster ; Map info ; Coordinate système ; Spectral…
Figure 11 : affichage des métadonnées de l’image.

10
15. Fermer la boîte de dialogue des métadonnées et le 3ème Viewer.
Dans le menu ENVI, Sélectionnez Views \ Link Views, la fenêtre Link Views s'affiche. Cette
fenêtre vous permet de lier vos fenêtres ensemble en utilisant soit un lien géographique, soit
un lien en pixels. Cliquez sur Lier tout (« Link All ») et les deux vues seront désormais liées en
fonction de l'emplacement géographique exact.
Figure 12 : lier deux fenêtres géographiquement.

16. Dans « layer manager », faites glisser l’image en fausses couleur dans le premier
Viewer et fermer le deuxième Viewer.
Vous devriez toujours avoir deux fichiers dans votre gestionnaire de calques. L'une
étant l'image en fausses couleurs, et l'autre étant une image en vraies couleurs.
Assurez-vous que l’image en vraies couleurs se trouve en haut du Gestionnaire de
calques.
11
- Notez que les icônes Portal, Blend, Flicker et Swipe dans la barre d’outils sont
maintenant actives.
- Cliquez sur le bouton « Portail » dans la barre d'outils. ENVI crée un portail pour
afficher le calque inférieur et il est listé dans le gestionnaire de calques avec l'icône du portail.
- Si vous avez plus de deux calques ouverts et que vous voulez voir l'un des calques
inférieurs dans un portail, faites un clic droit sur ce calque dans le gestionnaire de calques et
choisissez Afficher dans le portail.
12
- Cliquez et faites glisser dans le portail pour le déplacer dans la fenêtre Image.
- Cliquez et faites glisser sur un coin ou un côté du portail pour le

redimensionner.
17. Blend, Flicker et Swipe vous aident à comparer deux couches différentes. Vous pouvez
utiliser ces outils pour comparer des images entières ou vous pouvez les utiliser à
l'intérieur d'un portail. Ces outils ne sont activés que lorsque vous avez deux calques
ou plus ouverts dans le gestionnaire de calques.
a. Cliquez sur la flèche verte en haut du portail, cela démarre « Flicker ». Vous pouvez
changer la vitesse en cliquant sur les boutons plus lent ou plus rapide .
b. Cliquez sur le bouton Pause dans la barre d'outils du portail pour arrêter le
Flicker.
c. Cliquez avec le bouton droit de la souris à l'intérieur du portail et sélectionnez Blend

(Mélanger). Ceci ajuste la transparence de l'image du haut.
d. Cliquez avec le bouton droit de la souris à l'intérieur du portail et sélectionnez Swipe
(balayage). Le balayage commence automatiquement entre les deux couches.
e. Cliquez sur le bouton Pause dans la barre d'outils du portail pour arrêter le balayage.
f. Fermez le portail en cliquant sur le bouton en haut du portail, en faisant un clic droit
sur le calque Portal dans le gestionnaire de calques et en choisissant Supprimer, ou en
faisant un clic droit sur le portail lui-même et en choisissant Fermer le portail.
g. Cliquez sur le bouton « View Flicker » dans la barre d’outils. Ceci ouvre un nouveau
portail qui couvre l'ensemble de l'affichage. Cliquez avec le bouton droit de la souris
sur l'affichage et choisissez « Close View Portal ».
18. Découpage spatial et spectral d’une zone d’intérêt :
Le découpage spatial de l'imagerie nous permet de découper une grande scène à une taille
gérable en utilisant soit l'étendue spatiale d'un autre fichier comme guide, soit une zone
définie par l'utilisateur, soit les limites d'une région d'intérêt ou d’un fichier de forme «
shapefile ».
Un découpage spectral d'une image permet à l'utilisateur de limiter l'application d'une
fonction aux bandes sélectionnées d'une image.
a. Sous ENVI, allez dans « Data Manager » et fermer toutes les couches déjà ouvertes.
b. En utilisant le fichier Metadata, ouvrir l’image Landsat de « Rabat ».
c. En utilisant « Data Manager », afficher une composition en vraies couleurs de l’image
Rabat.
13
d. Faites un zoom sur la ville de Rabat puis Allez dans File, New, Vector Layer ;
e. Une boite de dialogue « Create new vector layer » apparait ;

f. Taper zone d’étude dans « Layer Name » et sélectionner Polygon dans « record
Type », puis ok ;
g. Puis dessiner un polygone autour de la ville de rabat.

h. Dans « Layer Manager », clic droit sur « zone d’étude », « Save as » et enregistre sous
forme de shapefile dans le répertoire Output \ Rabat.
i. Dans la boite à outils « Toolbox », sélectionnez « Region of interest » puis « Subset
Data from ROIs ». La boîte de dialogue « Select Input File to Subset via ROI » apparaît.
j. Cliquez sur le fichier correspondant à l’image de rabat dans la partie visible, proche et
moyen infrarouge pour le sélectionner comme fichier d'entrée.
14
k. Cliquez sur « Spectral Subset », une boite de dialogue « File Spectral Subset » apparait,
et sélectionnez les 6 bandes spectrales du Visible et du proche et moyen infrarouge et
cliquez sur OK.
l. Revenez sur la boîte de dialogue « Select Input File to Subset via ROI » et cliquez Ok.
Une boite de dialogue « Spatial Subset via ROI Parameters » apparaît.
m. Notez qu'un ROI disponible est déjà rempli comme ROI d'entrée (nommé : zone
d’étude.shp). Cliquez sur ce nom de fichier pour le sélectionner, ou cliquez sur le
bouton « Sélectionner tous les éléments » (« select all items ») pour mettre le fichier
en surbrillance. Le nombre d'éléments sélectionnés doit être mis à jour pour afficher
le nombre 1.
n. Puisque nous ne sommes pas intéressés par les pixels existants entre la case de
délimitation contenant notre ROI et la limite du ROI lui-même, nous voulons masquer
cette zone : Cliquez sur le bouton pour masquer les pixels en dehors du ROI. Ceci
activera un champ « Mask Background Value » dans lequel nous entrerons une valeur
de "NaN", qui signifie « Not a Number ». Ceci permet de s'assurer que les pixels en
dehors de notre zone ne sont pas pris en compte lors d'analyse.
15
o. Allez dans « Enter Output Filename », cliquer sur « Choose » pour entrer le nom du
fichier en sortie. Donner « Rabat-Subset » comme nom de l’image en sortie et
enregistrer dans le répertoire Output.
p. Une fois terminé, l’image découpée doit apparaitre comme suivant :
19. Combinaison de bandes d’images satellites Landsat 8
➢ True Color (Vraies couleur)

Bande 4 = Rouge ; Bande 3 = Vert ; Bande 2 = Bleu
➢ False Color (CIR , Traditional color infrared)

Bande 5 (NIR) = Rouge ; Bande 4 (Red) = Vert ; Bande 3 (Green) = Bleu
Met en évidence la végétation (apparait en rouge).
16
➢ False Color
Bande 7 (SWIR 2) = Rouge ; Bande 6 (SWIR 1) = Vert ; Bande 4 (Red) = Bleu Met
en évidence les zones urbaines.
➢ False Color
Bande 7 (SWIR 2) = Rouge ; Bande 5 (NIR) = Vert ; Bande 3 (Green) = Bleu
Met en évidence la végétation en nuances de vert. Elle n’est pas affectée par l’atmosphère.
17
➢ False Color
Bande 6 (SWIR 1) = Rouge ; Bande 5 (NIR) = Vert ; Bande 2 (Bleu) = Bleu Met
en évidence les zones cultivées en vert vive.
20. Extraire les signatures spectrales des objets :
Dans cette partie nous allons extraire les signatures spectrales de quelques objets.
- Pour commencer, fermer tous les fichiers déjà ouverts sur Envi à l’aide de «
Data Manager » ; et ne laisser que les bandes spectrales du visible et de
l’infrarouge.
18
- Afficher l’image créée en deux fenêtres avec deux compositions en vraies et en
fausses couleurs ;
- A l’aide de l’outil « Link View » ; liez les deux fenêtres ;
- Dans « Layer Manager », clic droit et allez sur « Profiles » puis sur « Spectral »
- Une boite de dialogue « Spectral Profil » apparait. Balayez le curseur pour

afficher les signatures spectrales des différentes cibles.
- Vous pouvez afficher les barres des bandes spectrales du visible en allant sous
Option / RGB Bars, et l’indice de végétation NDVI.
19
- Vous pouvez enregistrer les signatures spectrales des différentes cibles en

allant sur « Export » puis « images ».
- Utiliser cette option et enregistrer les signatures spectrales des cibles suivantes
: Eau de mer, Eau de barrage, Bâtiments, Routes, forêts, terrains agricoles, Sol
nu dans le répertoire Output / Rabat.
21. Téléchargement des images satellitaires gratuites
Certaines données sont disponibles gratuitement sur internet :
- Images satellites : Landsat

- Images satellite : Sentinel
- Modèles numériques de terrain : Aster DEM
Ces données sont disponibles sur les sites suivants :
- https://earthexplorer.usgs.gov/ pour les données Landsat et Aster DEM et d’autres.

- https://scihub.copernicus.eu/dhus/#/home pour les données Sentinel.
20
Les données sont disponibles avec plusieurs niveaux de corrections :
21
TP N 02 :
PRETRAITEMENT D’IMAGES SOUS ENVI 5.3
Objectifs :
- Calibrage et prétraitement des données ;

- Effectuer les corrections radiométriques et la conversion de la radiance en réflectance;
- Effectuer les corrections atmosphériques par le module « QuAC » ;
- Effectuer les corrections atmosphériques par le module « FLAASH » ;
- Extraire les signatures spectrales des différentes cibles ;
Outils requis :
- Ordinateur
- Logiciel ENVI 5.1

Rabat, Maroc.
22
I. Renseignements de base : Landsat 8
Le satellite Landsat 8 lancé en 2013 est équipé de deux capteurs : l'imageur terrestre
opérationnel (« Operational Land Imager ; OLI ») et le capteur infrarouge thermique (« Thermal
Infrared Sensor TIRS »).
Les bandes spectrales du capteur OLI sont similaires à celles du capteur ETM+ de Landsat 7, mais
avec une résolution spectrale supérieure, ainsi que deux nouvelles bandes spectrales. Le premier
est un canal « bleu profond » du visible (bande 1) spécialement conçu pour l'étude des
ressources en eau et des zones côtières. Le deuxième est un nouveau canal infrarouge (bande 9)
pour la détection des cirrus. Une nouvelle bande d'assurance de la qualité est également incluse.
Ceci fournit des informations sur la présence d'éléments tels que les nuages, l'eau et la neige.
Le capteur TIRS collecte deux bandes spectrales pour la longueur d'onde couverte par une seule
bande sur les capteurs TM et ETM+ précédents.
La qualité des données et la quantification radiométrique (12 bits) de l'OLI et du TIRS sont
supérieures à celles des capteurs Landsat précédents (8 bits pour TM et ETM+), ce qui améliore
considérablement la capacité de détection des changements à la surface terrestre.
23
Le tableau suivant résume les utilisations les plus courantes des bandes spectrales de Landsat
8:
Bande Résolution Longueur Utilité

d’onde
Band 1 – coastal 30 m Études des zones côtières et aérosols
0.43-0.45
aerosol
Band 2 – blue 30 m 0.45-0.51 Cartographie bathymétrique, distinguant le sol de
la végétation
Band 3 - green 30 m 0.53-0.59 Met l'accent sur la végétation de pointe, ce qui est
utile pour évaluer la vigueur des plantes.
Band 4 - red 30 m Discrimine les pentes de végétation

0.64-0.67
Band 5 - Near 30 m Met l'accent sur le contenu de la biomasse et les
Infrared (NIR) 0.85-0.88 rivages.
Band 6 - Short- 30 m Distingue l'humidité du sol et de la végétation ;
wave Infrared 1.57-1.65
(SWIR) 1
pénètre dans les nuages minces.
Band 7 - Short- 30 m Amélioration du taux d'humidité du sol et de la
wave Infrared 2.11-2.29
(SWIR) 2 végétation et de la pénétration des nuages minces
Band 8 - 15 m 15 mètres de résolution, définition d'image plus
Panchromatic 0.50-0.68 précise
Band 9 – Cirrus 30 m Détection améliorée de la contamination du nuage
1.36 -1.38 de cirrus
Band 10 – TIRS 100 m Cartographie thermique et l'estimation de
1 10.60 – 11.19 l'humidité du sol
Band 11 – TIRS 100 m Cartographie thermique améliorée et estimation
2 11.5-12.51 de l'humidité du sol
➢ ENVI Support pour Landsat 8 :
ENVI 5 a ajouté la prise en charge du nouveau capteur OLI Landsat-8 qui inclut l'ouverture de
fichier en utilisant le fichier de métadonnées (.mtl). Les bandes Cirrus et Quality sont maintenant
ouvertes en tant que bandes séparées dans le Data Manager. Ces bandes sont utiles pour évaluer
la qualité des images Landsat, mais ne devraient pas être incluses dans d'autres processus
comme la classification.
24
II. Prétraitement des images
A. Calibration radiométrique
La calibration de l'image est une étape de prétraitement courante pour les analystes en
télédétection qui doivent extraire des données et créer des produits scientifiques à partir
d'images.
La calibration a pour objectif de compenser les erreurs radiométriques dues aux défauts du
capteur, aux variations de l'angle de balayage et au bruit du système pour produire une image
qui représente les vraies valeurs de radiance spectrale.
L'outil de calibration radiométrique d'ENVI (« Radiometric Calibration ») offre des options pour
calibrer les images en radiance ou réflectance. Les options de calibrage disponibles dépendent
des métadonnées incluses dans l'image. La plupart des fournisseurs incluent un fichier de
métadonnées avec les données image.
Dans le type de calibration, vous pouvez sélectionner l'une des options suivantes en fonction des
métadonnées :
Radiance : Cette option est disponible si l'image à les gains et les décalages pour chaque bande.
ENVI lit ces valeurs à partir des métadonnées des capteurs.
Réflectance : Cette option est disponible si l'image a les gains, les décalages, l’irradiance solaire,
l’élévation du soleil et le temps d'acquisition définis dans les métadonnées. ENVI lit ces valeurs
à partir des métadonnées des capteurs.
➢ Calibrer les données Landsat 8 :
Des outils spécifiques pour calibrer les données par type de capteur sont disponibles sous ENVI.
Pour Landsat, les valeurs de gain et de décalage publiées sont utilisées pour convertir les valeurs
numériques en radiance spectrale ou en réflectance.
Exercice 1 :
Dans cet exercice, nous utiliserons l'outil de calibration pour convertir en réflectance.
1. Pour commencer, allez sous ENVI et ouvrez l’image Landsat 8 de Rabat en utilisant le
fichiers métadonnée. Allez dans File / Open As / Landsat / GeTIFF with Metadata ;
25
2. Allez dans le répertoire D / TP-TD / Input / Rabat ; sélectionner le fichier

LC08_L1TP_202036_20190114_20190131_01_T1_MTL et cliquez sur Ouvrir.
3. Une fois l’image est chargée sur votre écran, allez dans Data Manager et explorer les
différentes bandes spectrales constituant l’image.
4. Dans Layer Manager, clic droit sur l’image multispectrales et allez sur « View
Metadata ». Une boite de dialogue apparait (« Metadata Viewer »). Explorer les
différentes métadonnées associées à l’image (système de coordonnées, résolution
spectrale…).
26
5. Dans la boite à outils, chercher l’outil « Radiometric Calibration ». Une boite de dialogue
apparait (« File selection »). Sélectionnez l’image multispectrale comprenant les 7
bandes spectrales du Visible de l’infrarouge.
6. Un aperçu de l’image sera affiché sur cette boite de dialogue. A l’aide du « Spatial
subset » sélectionnez la zone de Rabat pour la calibration radiométrique. Cliquez ok.
7. Une boite de dialogue apparait (« Radiometric calibration »). Changer le type de
calibration en « reflectance ». Conservez tous les autres paramètres par défaut, assurez-
27
vous d'enregistrer ce fichier dans votre dossier Output (D / TP-TD / Output / TP 2) et
entrez Rabat-Calibre-reflectance comme nom de fichier de sortie. Cochez « Display
result » puis cliquez OK.
8. Une fois le processus est terminé, l’image calibrée apparait automatiquement. Utilisez
les outils « Swipe / blend /flicker » pour comparer les deux images calibrée et non
calibrée.
9. Dans la barre à outils, cliquez sur « Cursor Value ». Notez la différence entre les valeurs
des pixels représentant les données du fichier original et celles représentant les valeurs
des données calibrées.
10. Afficher les profils spectraux sur chacune des deux images et comparer les valeurs entre
l’image calibrée et l’image originelle.
28
B. Correction atmosphérique :
La télédétection spatiale exige que le rayonnement solaire traverse l'atmosphère avant d'être
capté par le capteur. Ainsi, les données de radiance des images incluent l'interférence de
l'atmosphère que nous devons traiter. Cette interférence avec l’atmosphère se traduit par :
➢ L’absorption due aux gaz atmosphériques :
La lumière qui traverse l'atmosphère est le facteur qui affecte le plus les données de radiance.
Dans la figure ci-dessus, nous voyons les caractéristiques d'absorption de divers gaz
atmosphériques.
29
L'élimination de ces absorptions atmosphériques de gaz est l'une des principales composantes
de la correction atmosphérique. La vapeur d'eau atténue le spectre solaire dans plusieurs
régions de longueur d'onde de 0,4 à 2,50 micromètres. Le dioxyde de carbone et l'oxygène sont
d'autres gaz qui ont des caractéristiques d'absorption qui apparaissent couramment dans les
données de radiance hyperspectrale. L'élimination de ces absorptions liées aux gaz
atmosphériques devrait laisser que les absorptions liées aux matériaux au sol.
➢ La diffusion atmosphérique :
L'autre effet atmosphérique qui est éliminé lors de la correction atmosphérique est la diffusion
atmosphérique. La lumière diffusée est une composante additive au signal qui atteint les
détecteurs et est due au fait que les photons se réfractent à travers les particules et les molécules
de l'atmosphère avant qu'ils aient la chance d'interagir avec la surface de la Terre.
L'effet global de la diffusion est l’augmentation du signal dans les longueurs d'onde plus courtes,
en particulier la lumière bleue. L'élimination de la composante de lumière diffusée dans les
données de télédétection est particulièrement importante lorsque l'on travaille avec des
longueurs d'onde du visible et du proche infrarouge (0,4 - 1,0 μm ou 400 - 1000 nm).
ENVI dispose de nombreuses méthodes pour corriger les effets de l'atmosphère sur les données
d'image :
➢ Quick Atmospheric Correction (QuAC) :
QUAC est une méthode de correction atmosphérique pour les images multispectrales et
hyperspectrales qui peut être appliquée à la radiance, à la réflectance apparente ou aux données
brutes. C’est l'une des méthodes les plus rapides qui fonctionne avec la gamme de longueurs
d'onde du visible, proche infrarouge et infrarouge à ondes courtes (VNIR-SWIR).
Le QuAC s'appuie sur la diversité des spectres de pixels observés (cibles) contenus dans une
scène d'image pour déterminer les paramètres de correction atmosphérique. Le résultat du
processus QuAC est une image de réflectance de surface.
Les fichiers d'entrée doivent avoir au moins trois bandes et des longueurs d'onde valides. QUAC
fonctionne mieux dans une scène qui est spectralement diversifiée. En d'autres termes, la scène
doit avoir plusieurs cibles différentes.
30
Exercice 2:
Maintenant, nous allons effectuer une correction atmosphérique à l’aide de l’outils QuAC sur
l’image de Rabat.
1. Pour commencer, ouvrez l’image Landsat 8 de Rabat en utilisant le fichiers métadonnée

(voir les étapes dans la section A).
2. Effectuer une calibration radiométrique d’une partie de l’image (zone de Rabat) est
enregistrer la nouvelle image calibrée en radiance (voir les étapes dans la section A).
Enregistrer l’image calibrée sous le nom Rabat-calibre-Radiance dans le répertoire D /
TP-TD / Output / TP 2.
3. Une fois le processus est terminé, afficher l’image calibrée. Allez dans Data Manager est
fermer toutes les données de l’image Rabat.
4. Dans la boite à outils, allez dans Radiometric Correction / Atmospheric Correction
Module / Quick Atmospheric Correction (QUAC).
5. Une boite de dialogue « QUAC » apparait. Dans « input raster » sélectionnez l’image
Rabat-calibre-Radiance.
6. Dans « Sensor Type » sélectionnez Landsat TM/ETM/OLI.
7. Choisir Rabat-Reflectance-QuAC dans « Output Raster » et enregistrer l’image en sortie

dans le répertoire D / TP-TD / Output / TP 2. Cliquez Ok.
8. Une fois le processus est terminé, l’image corrigée va s’afficher sur votre écran. Allez dans
« Views » puis sélectionnez « Two Vertical Views ».
9. Afficher les deux images Rabat-Reflectance-QuAC et Rabat-Calibre-Radiance en
composition en vraies couleurs chacune dans un Viewer. Pour ce faire, allez dans « Data
Manager », clic droit sur l’image puis Load True Color.
31
10. Utiliser « Link View » pour lier les deux images.

11. Ouvrez un profil spectral à partir de chaque affichage en faisant un clic droit sur chaque
image dans le gestionnaire de calques et en sélectionnant Profiles / Spectral.
12. Cliquez sur une zone de végétation dans l'affichage et vous devriez voir les deux profils
spectraux mis à jour. Vous devriez être en mesure de reconnaître quel tracé présente des
données de radiance et quel tracé présente des données de réflectance. Les spectres de
végétation sont bons à utiliser pour vérifier la qualité des données parce que la
végétation est commune.
13. Dans la boite de dialogue « Spectral profile », allez sur « Options » puis « RGB bars ».
14. De la même manière, afficher l’indice de végétation NDVI.
15. Enregistrer sous forme d’images les signatures spectrales des cibles suivantes :
Bâtiments, Eau de mer, eau du barrage, forêt, parcelles agricoles, Sol nu.
32
➢ FLAASH (Fast Line-of-sight Atmospheric Analysis of Spectral Hypercubes) :
FLAASH est un programme de transfert radiatif sophistiqué qui convertit les données
multispectrales et hyperspectrales en réflectance. Il intègre le code de transfert de rayonnement
MODTRAN, la modélisation des propriétés atmosphériques et la courbe d'irradiation solaire. Les
quantités de vapeur d'eau sont calculées pixel par pixel en utilisant l'absorption de 1135, 940 ou
820 nm.
Exercise 3 :
1. Pour commencer, nous allons effectuer un calibrage radiométrique de l’image Rabat avec
les paramètres nécessaires pour le module de correction FLAASH. Pour ce faire, allez dans
ENVI et afficher l’image Rabat.
2. Dans la boite à outils, chercher l’outil « Radiometric Calibration ». Une boite de dialogue
apparait (« File selection »). Sélectionnez l’image multispectrale comprenant les 7
bandes spectrales du Visible de l’infrarouge.
3. Dans « spatial subset » sélectionnez la zone de rabat, puis cliquez Ok.
4. La boite de dialogue « Radiometric Calibration » apparait. Dans le type de calibration
sélectionnez Radiance, puis cliquez sur « Apply FLAASH Settings ». Enregistrer l’image
en sortie sous le nom Rabat-Radiance-Flaash dans le répertoire approprié. Cliquez OK.
5. Une fois le processus est terminé, l’image calibrée s’affiche sur votre écran.
6. Dans la boite à outils, allez sur Radiometric Correction/Atmospheric Correction Module/
FLAASH Atmospheric Correction.
33
7. Une boite de dialogue « FLAASH Atmospheric Correction model input parameters »
apparait.
8. Dans « input Radiance Image » choisir l’image Rabat-Radiance-Flaash, cliquez ok.
9. Une boite de dialogue « Reflectance Scale Factors » apparait. Cliquez sur « Use single
scale factor for all bands » et cliquez OK.
34
10. Dans la boite de dialogue « FLAASH Atmospheric Correction model input parameters »,
cliquez sur « Output Reflectance File », donner le nom Rabat-Reflectance-FLAASH pour
le fichier en sortie et enregistrer le sous le répertoire D / TP-TD / Output / TP 2.
11. Allez dans « Output Directory for FLAASH Files », naviguez vers le répertoire D / TP-TD /
Output / TP 2 et créer un dossier nommé Flaash files puis sélectionnez-le comme
répertoire de sortie.
12. Dans « Rootname for FLAASH Files » saisissez FLAASH_.
13. Allez dans « Sensor Type » / Multispectral et sélectionnez Landsat 8 OLI.

14. Dans « Ground Elevation », saisissez 0.10 km. Vous pouvez obtenir l’élévation moyenne
de la zone d’étude en allant sur Google Earth.
15. Pour obtenir les informations sur « Flight Date », ouvrez le fichier
LC08_L1TP_202036_20190114_20190131_01_T1_MTL.TXT et chercher la date et
l’heure de la prise de l’image. Dans notre cas c’est le 2019-01-14 à 11 : 03 : 11. Entrer ces
valeurs dans « Flight Date ».
16. Sélectionnez « Mid-Latitude Summer » dans « Atmospheric Model » et « Maritime »
dans « Aerosol Model ».
35
17. Dans « Aerosol Retrieval » sélectionnez « 2-band (k-T) ». Entrez la valeur 40 dans
« Initial Visibility ». Pour plus d’informations sur les paramètres FLAASH, vous pouvez
aller sur l’outils « Help » d’ENVI, puis « Contents ». Sur le site allez sous
Preprocess/Atmospheric Correction Module/FLAASH et explorez les différents
paramètres disponibles.
18. Allez dans « multispectral settings », sélectionner Landsat8_oli.sli sous « Filter Function
File ».
36
19. Allez dans « Kaufman Tanre Aerosol Retrrieval », cliquez sur « Defauts » et sélectionnez
« Over-Land Retrieval standard ». Cliquez Ok.
37
20. Allez dans « Save », une boite de dialogue apparait. Enregistrer ce modèle sous le nom
Configuration-FLAASH. Puis cliquez OK.
21. Revenez sur la boite de dialogue « FLAASH Atmospheric Correction Model Input
Parameters » et cliquez « Apply ».
22. Une fois le processus est terminé, l’image corrigée avec FLAASH va apparaitre dans le
« Data Manager ». Allez dans « Data Manager » et afficher une composition en vraies
couleurs de l’image corrigées.
23. Allez dans la boite à outils, est chercher le module « Compute statistics » et cliquez
dessus. Dans « select input file » sélectionner l’image corrigée en réflectance par le
module FLAASH (Rabat-Reflectance-FLAASH) puis cliquez ok.
24. Une boite de dialogue apparait, cliquez ok.

38
25. La boite de dialogue « Statistics results » apparait. Vous remarquez l’existence des
valeurs négatives dans les valeurs de réflectance de l’image corrigée.
26. Pour éliminer les valeurs négatives, on va appliquer une formule mathématique pour
ramener toutes les valeurs de réflectance entre 0 et 1.
- Pour ce faire, allez dans la boite à outils, Band ratio / Band Math ;
- Entrer l’expression suivante :
(b1 le 0)*0+(b1 ge 10000)*1+(b1 gt 0 and b1 lt 10000)*float(b1)/10000
39
- Cliquez “ADD to list” puis OK;
- Une boite de dialogue apparait (« Variables to bands pairings »). Cliquez sur « Map
Variables To Input File » ;
- Une boite de dialogue (« Band Math Input File ») apparait. Sélectionnez l’image de
Rabat-Reflectance-FLAASH puis cliquez ok ;
- Dans la boite de dialogue (« Variables to bands pairings »), entrez le nom Rabat-
Reflectance-FLAASH-Math puis cliquez ok.
40
27. Une fois le processus est terminé, allez dans Data Manager et affichez une composition
en vraies couleurs de l’image Rabat-Reflectance-FLAASH-Math.
28. Allez dans Spectral Profil et affichez les signatures spectrales des différentes cibles.
Enregistrer sous forme d’images les signatures spectrales des cibles suivantes : Bâtiment,
Eau de mer, eau de barrage, forêt, parcelles agricoles, Sol nu.
29. Affichez l’images corrigées avec le module « QUAC » (Rabat-Reflectance-QuAC).
30. Effectuer les mêmes étapes (module Band Math, étape 24) pour ramener les valeurs de
réflectance entre 0 et 1. Enregistrez l’image sous le nom Rabat-Reflectance-QuAC-Math.
31. Dans deux fenêtres liées, affichez les deux images corrigées Rabat-Reflectance-FLAASH-
Math et Rabat-Reflectance-QuAC-Math. Comparez.
41
TP N 03 :
CLASSIFICATION D’IMAGES SOUS ENVI 5.3
Objectifs :
- Effectuer la classification Non supervisée d’images satellites ;

- Effectuer la classification supervisée pour produire une carte d’occupation du sol.
- L’évaluation de la précision pour déterminer la méthode de classification la plus efficace.
- Intégration des résultats de la classification dans un SIG pour les visualiser et les analyser
plus en détail.
- Elaboration d’une carte thématique d’occupation du sol.
Outils requis :
- Ordinateur
- Logiciel ENVI 5.1
- Logiciel ArcMap

Rabat, Maroc.
42
III. Combinaison de bandes d’images satellites Landsat 8
1. True Color (Vraies couleur)
Bande 4 = Rouge
Bande 3 = Vert
Bande 2 = Bleu
2. False Color (CIR, Traditional color infrared)
Bande 5 (NIR) = Rouge
Bande 4 (Red) = Vert
Bande 3 (Green) = Bleu
Met en évidence la végétation (apparait en rouge).
3. False Color
Bande 7 (SWIR 2) = Rouge
Bande 6 (SWIR 1) = Vert
Bande 4 (Red) = Bleu
Met en évidence les zones urbaines.
4. False Color
Bande 5 (NIR) = Vert
Bande 3 (Green) = Bleu
Met en évidence la végétation en nuances de vert. Elle n’est pas affectée par l’atmosphère.
5. False Color
Bande 5 (NIR) = Vert
Bande 2 (Bleu) = Bleu
Met en évidence les zones cultivées en vert vive.
43
IV. Classification d’images
Dans cette partie de TP, on va manipuler le module de classification d’ENVI « Workflow » qui
utilise des méthodes non supervisées ou supervisées pour classer les pixels d'une image en
plusieurs classes.
A l’aide de ce module, vous pouvez effectuer une classification non supervisée sans fournir de
données de référence (« training data »), ou une classification supervisée, où vous fournissez
des données de référence et spécifiez une méthode de classification (« Maximum likelihood,
minimum distance, Mahalanobis distance, Spectral Angle Mapper (SAM) »).
A. Génération d'une carte d’occupation du sol à l'aide d'une classification non

supervisée :
La classification non supervisée regroupe les pixels dans des classes en se basant uniquement
sur des statistiques, sans définir des classes de référence (« training classes »).
Exercice 1 :
Dans cette partie, on va effectuer une classification non supervisée d’une image de Landsat 8 de
la région de Rabat : LC08_L1TP_202036_20190114_20190131_01_T1_MTL.
Nous allons exporter les produits vers ArcMap, par conséquent, nous devons travailler en mode
32 bits ENVI.
Si vous ne travaillez pas en mode 32 bits ENVI, fermez votre session ENVI actuelle et démarrez
ENVI 32 bits depuis le menu Démarrer de Windows → Tous les programmes → ENVI 5.1→ 32
bits → ENVI (32 bits).
1. Pour commencer, ouvrez l’image Rabat-Reflectance-FLAASH-Math déjà corrigée en
TP02.
Tous processus de classification dans ce TP3 seront effectués sur cette image.
2. Dans la boîte à outils ENVI, accédez à Classification → Classification Workflow. Double-
cliquez sur l'outil. Une boîte de dialogue « Select an Input File ».
3. Sous l'onglet « Input Raster », cliquez sur le bouton Parcourir. Une boîte de dialogue de
sélection de fichier apparaît. Vous devriez voir le fichier Rabat-Reflectance-FLAASH-
Math. Cliquez sur le nom du fichier, puis sélectionnez OK.
4. Notez qu'il est possible d'utiliser un masque (« input Mask ») pour exclure des zones qui
ne doivent pas être utilisées dans la classification. Ceci peut être utile lorsque vous
44
souhaitez exclure des régions autour de l'image qui apparaissent en noir ou lorsqu'il y a
certaines zones de l'image que vous ne voulez pas inclure dans la classification. Cliquez
sur « Next ».
5. Dans la boîte de dialogue « Select a Method », sélectionnez « No Training Data »

(l'option « Use Training Data » peut être utilisée pour effectuer une classification
supervisée). Cliquez sur « Next ».
6. Saisissez 5 comme nombre de classes à définir, cliquez sur « Next » pour commencer la
classification. L’image sera classée selon 5 classes qui représentent des cibles différentes.
45
7. Une fois la classification terminée, l'image classifiée sera chargée et le panneau

Nettoyage (« Cleanup ») apparaît.
8. Le nettoyage est une étape facultative, qu’on va effectuer pour déterminer si le résultat
de la classification s'améliore. Les options de nettoyage sont le lissage (« smoothing »)
qui élimine les taches, et l'agrégation (« aggregation »), qui élimine les petites régions.
Dans le panneau du nettoyage (« Cleanup »), conservez les valeurs par défaut.
46
- Activez l'option Aperçu (« Preview »). Une fenêtre de prévisualisation s'ouvre, montrant
à quoi ressemblera le nettoyage de la classification.
- Cliquez sur la fenêtre d'aperçu à l'aide de l'outil Sélection et glissez autour de l'image
pour voir comment les zones seront corrigées par le nettoyage.
- L'image ci-dessous montre que la classification bénéficiera de l'utilisation de l'étape de
nettoyage. Vous pouvez remarquer que les zones de forêts et les zones urbaines
(Bâtiments) sont améliorées.
9. Cliquez sur « Next ». Le panneau « Export » apparaît.
- Activez la case « Export classification image ». Utilisez le type d'image de sortie par
défaut d'ENVI, et enregistrer sous …Output/ TP3 / Rabat-class-N-sup.
- Activez la case « Export classification vectors ». Utilisez le type d'image de sortie
« shapefile », et enregistrer sous …Output/ TP3 / Rabat-class-N-sup-vect.
47
- Allez dans « Additional Export » et activez la case « Export classification statistics ».
Enregistrer le fichier de sortie sous …Output/ TP3 / Rabat-class-N-sup-statics.
- Cliquez « Finish » pour terminer.
10. Nous allons maintenant effectuer une combinaison de classes. Pour ce faire, chercher le
module « Combine classes » dans la boite à outils.
11. Dans la boite de dialogue « Combine Classes Input File » sélectionnez le fichier Rabat-
class-N-sup.dat et cliquez sur OK.
12. Pour combiner des classes, sélectionnez la classe appropriée dans la colonne « select
Input Class », puis sélectionnez la classe correspondante dans la colonne « Select Output
Class » et cliquez sur « Add combination ». Saisissez la combinaison suivante : Classe 4
et 2. Cela vous laissera avec 4 classes : Non classé, Classe 1 (eau), Classe 3 (Bâtiment),
Classe 4 (Végétation) et Classe 5 (Sol nu).
48
13. Cliquez sur ok. La boite de dialogue Combine Classes Output apparait. Sélectionnez
« Remove Empty Classes » et enregistrez le résultat sous …Output/ TP3 / Rabat-class-N-
sup-combin. Une fois le processus est terminé, l’image avec les classes combinées sera
affichée.
49
B. Génération d'une carte d’occupation du sol à l'aide d'une classification supervisée :
Pour cette classification, on va créer des vecteurs qui représentent les classes d’occupation du
sol qu’on veut cartographier. Ces vecteurs représentatifs des différentes classes sont appelés
données de référence ou d'apprentissage (« training data »). Ils seront utilisés par des
algorithmes de classification supervisés pour déterminer quels pixels d'une image doivent être
placés dans chacune des différentes classes.
Exercice 2 :
Dans cet exercice, on va effectuer une classification supervisée de l’image Rabat-Reflectance-

FLAASH-Math déjà corrigée en TP 2.
1. Pour commencer, allez dans la boîte à outils ENVI, accédez à Classification →

Classification Workflow. Double-cliquez sur l'outil. Une boîte de dialogue « Select an
Input File ».
2. Sous l'onglet « Input Raster », cliquez sur le bouton Parcourir. Une boîte de dialogue de
sélection de fichier apparaît. Vous devriez voir le fichier Rabat-Reflectance-FLAASH-
Math. Cliquez sur le nom du fichier, puis sélectionnez OK.
3. Cliquez sur « Next ».
4. Dans la boîte de dialogue « Select a Method », sélectionnez « Use Training Data ».
Cliquez sur « Next ».
50
5. Dans la boîte de dialogue « Define Training Data », vous verrez la classe 1 et une case
rouge. La case rouge indique la couleur par défaut de cette classe. Cliquez dans la zone
de texte « Class Name » et renommez la classe en Eau de mer. Changez la couleur de la
classe en bleu foncé.
6. Dans l'interface principale d'ENVI, l'annotation de polygone est sélectionnée.

51
7. Utilisez la souris pour dessiner des polygones au-dessus de l'eau de mer. Pour terminer
les polygones, cliquez avec le bouton droit de la souris et sélectionnez « Accept ». Veillez
à ne pas inclure de pixels non aquatiques dans vos données d'entraînement.
N.B :
Les polygones ne devraient contenir qu'un seul type de classe et ils devraient tenir
compte de la variabilité de ce type de classe. Une classe très homogène peut être
adéquatement caractérisée avec seulement quelques régions exemples. Les matériaux
qui sont plus variables peuvent nécessiter plusieurs régions pour être suffisamment
définis. L'homogénéité ou l'hétérogénéité relative aura également un impact sur
l'algorithme de classification choisi.
8. Cliquez sur l'icône pour ajouter une classe. La classe 2 sera ajoutée à la liste des
données d'entraînement et se verra attribuer la couleur rouge par défaut (le rouge sera
toujours la couleur par défaut d'une classe nouvellement créée si elle n'a pas déjà été
utilisée pour une classe précédente). Renommez la classe en Eau de Barrage et changer
la couleur en Bleu clair. Dessinez des polygones sur les zones remplies d’eau de barrage.
Créez au moins 5 régions différentes pour cette classe.
9. Ajouter une 3ème classe, renommez la classe en Forets et changez la couleur en vert foncé.
Dessinez des polygones sur les zones de forêts. Veillez à obtenir des zones diversifiées
52
pour que la diversité de la classe soit maintenue dans les signatures spectrales attribuées
aux pixels de la classe. Créez au moins 15 régions différentes pour cette classe.
➢ Si vous avez des difficultés à noter la différence de teinte entre les classes, essayez
d'utiliser diverses combinaisons de bandes. Par exemple, une combinaison de
bandes CIR aidera à afficher la végétation en rouge ou autres combinaisons (voire
partie I).
➢ Pour charger une combinaison de bandes différente, cliquez avec le bouton droit
de la souris sur l'image dans le « Gestionnaire de calques » et sélectionnez
« Change RGB Bands »...
10. Ajouter une 4ème classe, cette fois en définissant le nom de la classe sur Champs agricoles
et une couleur vert clair. Dessinez plusieurs polygones dans des zones représentatives
des terrains cultivés. Créez au moins 15 à 20 régions différentes pour cette classe.
11. Ajouter une 5ème classe, cette fois en définissant le nom de la classe sur sol nu et une
couleur marron clair. Dessinez plusieurs polygones dans des zones représentatives des
sols nus. Créez au moins 15 à 20 régions différentes pour cette classe.
12. Ajouter une dernière classe représentant les Batiments. Attribuez une couleur grise et
créez au moins 15 à 20 polygones différentes pour cette classe.
13. Une fois terminer, Sauvegardez les données d'entraînement que vous avez créées en
cliquant sur l'icône « Save ». Enregistrer les classes sous …Output/ TP3 / Classes.shp
53
Si vous souhaitez ajouter plus de classes, plus de polygones pour une classe particulière ou
supprimer des polygones, vous pouvez le faire en cliquant sur une classe et en utilisant les outils
disponibles dans le dialogue « Define Training Data ».
Si vous apportez des modifications à vos données, assurez-vous de les sauvegarder en cliquant
sur l'icône « Save ».
14. Cochez la case « Preview » pour afficher un portail. Redimensionnez et déplacez ce

portail pour évaluer vos résultats potentiels de classification.
15. Cliquez sur l'onglet « Algorithm ». La méthode « Maximum Likelihood » est la valeur
définie par défaut.
54
Maximum Likelihood Method
16. Sélectionnez « Minimum Distance » dans le menu déroulant et regardez la fenêtre

« Preview » pour évaluer les résultats de cette méthode.
Minimum Distance Method
17. Essayez d'autres algorithmes et notez lequel semble donner le meilleur résultat. Le
tableau suivant décrit les différentes méthodes de classification disponibles dans le
workflow et le moment où chacune peut être utilisée le plus efficacement.
55
Spectral Angle Mapper Method

Méthode
Utilisation
De classification
Il s'agit de la méthode par défaut et elle produit des résultats

acceptables pour une grande variété de scénarios.
Maximum Likelihood
La création d'un échantillon diversifié de la classe pour les
« Training data » augmentera l'exactitude de cette classification.
Cette méthode peut être calculée rapidement et fonctionne bien

lorsque les classes sont relativement uniformes et distinctes.
Minimum Distance Cependant, elle peut ne pas être un bon choix lorsque les classes
ont différents degrés de variation.
Cette méthode fonctionne mieux lorsque les classes sont

Mahalanobis Distance relativement uniformes en termes de variation intra-classe.
Comme la distance minimale, SAM ne prend en compte aucune

statistique de classe en dehors de la moyenne. Il est préférable de
Spectral Angle Mapper l'utiliser pour une cartographie stricte de la couverture terrestre,
(SAM)
auquel cas il donne de très bons résultats, et pas autant pour les
classes qui présentent un degré élevé d'hétérogénéité.
56
18. Nous allons maintenant générer une classification de l’image. Dans la boîte de dialogue
« Define Training Data », assurez-vous que la méthode « Minimum distance » est
sélectionnée (cette méthode semble la meilleure pour ce cas d’étude). Cliquez sur
« Next ».
19. Dans la boîte de dialogue « Cleanup », sélectionnez « Preview » et évaluez les résultats
potentiels de cette étape. Les algorithmes de post-classification peuvent aider à
généraliser la classification en supprimant les petits groupes de pixels et en fusionnant
les groupes d'une classe ensemble. Essayez avec différents paramètres et choisissez ceux
qui semblent donner le meilleur résultat. Cliquez sur « Next ».
20. Dans la boîte de dialogue « Export », assurez-vous que les cases « Export Classification
Image » et « Export Classification Vectors » sont cochées.
- Exportez l'image classifiée sous format ENVI dans votre répertoire …Output/ TP3 / Rabat-
Class-Sup.
- Exportez les vecteurs de classification au format « Shapefile » dans votre répertoire
…Output/ TP3 / Rabat-Class-Sup-Vect.
57
- Sous l'onglet « Additional Export », vous pouvez éditer un fichier des statistiques de la
classification. Enregistrez le fichier dans votre répertoire …Output/ TP3 / Rabat-Class-
Sup-statics.
- Remarque : Vous pouvez ouvrir le fichier texte des statistiques de la classe à l'aide du
bloc-notes ou d'un programme similaire. Il vous donnera le nombre exact de pixels que
contient chaque classe, ainsi que la surface totale approximative de l'image.
21. Sélectionnez « Finish » et le traitement commencera. Une fois le processus est terminé,
le fichier vectoriel et l'image classifiée seront chargés dans la fenêtre principale
d'affichage ENVI.
C. Examiner Les statistiques de classification :

Sous chaque image classifiée (dans Layer Manager) se trouve un dossier qui contient toutes les
classes que vous avez définies. Vous pouvez activer ou désactiver certaines classes pour voir
l'image originale en dessous.
1. Cliquez avec le bouton droit de la souris sur le dossier « Classes » et choisissez « Statistics
for All Classes » ... Dans la boîte de dialogue « File Selection », sélectionnez le fichier
original (Rabat-Reflectance-FLAASH-Math).
58
La boîte de dialogue de statistiques qui apparaît montre les spectres moyens pour toutes
les classes. La boîte de dialogue affiche également le nombre total de points dans chaque
classe, le pourcentage de l'image que chaque classe couvre et la surface totale de l'image
que chaque classe couvre.
2. En haut de la boîte de dialogue se trouve un onglet « Stats for ». Cliquez sur le menu
déroulant et sélectionnez une classe (Forêts par exemple). Les statistiques pour cette
classe apparaîtront dans le tableau ci-dessous.
3. Plusieurs options sont disponibles lorsque vous cliquez avec le bouton droit de la souris
dans la fenêtre du tracé (« Plot »). Cliquez avec le bouton droit de la souris dans la fenêtre
de tracé et sélectionnez Options / New window : With Plots... Les courbes du spectres
moyens apparaissent dans une nouvelle fenêtre. Cette fenêtre offre des fonctions
d'édition qui vous permettent d'effectuer des modifications supplémentaires et
d'enregistrer ou d'exporter dans divers formats.
59
4. Exporter les signatures spectrales sous Class-Sup-Plots et fermez les deux boîtes de
dialogue « Plot Window » et « Statistics dialogs ».
D. Exportation des fichiers vectoriels vers ArcMap :
1. Démarrez ArcMap et Assurez-vous qu'ENVI 5.1 (32 bits) est toujours ouvert depuis
l'exercice précédent et que les fichiers créés à partir du Workflow de classification sont
toujours actifs dans le gestionnaire de calques.
2. Dans le gestionnaire de couches (« Layer Manager ») d’ENVI, cliquez avec le bouton droit
de la souris sur Rabat-Reflectance-FLAASH-Math et sélectionnez « Send to ArcMap ».
Dans la boîte de dialogue « Instances ArcMap », sélectionnez « Sans nom – ArcMap »,
puis cliquez sur OK.
60
3. Dans le gestionnaire de couches (« Layer Manager ») d’ENVI, cliquez avec le bouton droit
de la souris sur Rabat-class-sup-vect.shp et sélectionnez « Send to ArcMap ». Dans la
boîte de dialogue « Instances ArcMap », sélectionnez Sans nom - ArcMap, puis cliquez
sur OK.
4. Les vecteurs doivent s'afficher automatiquement dans ArcMap au-dessus de l'image.
5. Le « Shapefile » transféré d'ENVI à ArcMap est symbolisé comme une seule classe. Nous
allons éditer la symbologie pour voir les différentes classes que nous avons créées dans
ENVI. Dans ArcMap, cliquez avec le bouton droit de la souris sur le fichier Shapefile
« Table of Contents » et sélectionnez « Properties »...
6. Dans la boîte de dialogue « Layer Properties », cliquez sur l'onglet « Symbology ». Cliquez
sur « Categories » et assurez-vous que « Unique Values » est surligné en bleu. Assurez-
vous que « CLASS_NAME » est sélectionné dans le menu déroulant « Value Field ».
Cliquez sur « Add All Values ».
7. Assurez-vous d'avoir édité les couleurs des différentes classes. Pour modifier la couleur
d'une classe, double-cliquez sur la case de couleur située à gauche du nom de la classe.
Une fois que vous avez modifié la symbolique des classes, cliquez sur « Apply », puis sur
OK.
8. Faite une mise en page de la carte sur ArcMap et exporter la carte sous …Output/ TP3 /
carte-occup-sol-rabat.
61

Tps TD 2023

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Tps TD 2023

Transféré par

Droits d'auteur :

Formats disponibles

Ecole Na�onale Supérieure Des Mines – Rabat

Département des Sciences de la Terre

2022/ 2023 Pr. M. Achalhi

MAITRISER LES BASES DE TRAITEMENT D’IMAGES SOUS ENVI 5.3

Dans ce TP, vous apprendrez à :

- Utiliser l'interface ENVI pour ouvrir et afficher des images multispectrales ;

- LC08_L1TP_202036_20190114_20190131_01_T1.tar : Scène Landsat 8 au-dessus de

Figure 1 : Interface ENVI 5.3

1. Dans Explorateur Windows, créer les répertoires de travail nommés D\TP-TD\Votre

2. Dans la barre de menu ENVI, sélectionnez File → Preferences. La boîte de dialogue de

Figure 2 : Réglage des préférences sous ENVI 5.3

3. Ouverture et affichage des images sous ENVI :

3. L’image ainsi extraite, comporte 11 bandes spectrales :

4. Dans la barre de menus principale d'ENVI, sélectionnez File \ Open ;

Figure 3 : Ouverture image Landsat 8, région de Rabat (Maroc).

Figure 4 : fusionnement des couches en une seule image « Layer Stacking ».

Figure 5 : fusionnement des couches en une seule image « Layer Stacking ».

11. Ouverture de l’image à partir du fichier Metadata.

Figure 6 : ouverture d’image à partir du fichier Metadata

b. Cliquer Ouvrir, et l’image sera automatiquement affichée avec une composition en

 En cliquant sur l'icône Gestionnaire de données dans la barre d'outils.

Figure 7 : Gestionnaire de données « Data Manager ».

Figure 8 : Ouvrir la même image avec une autre combinaison de bandes.

Figure 9 : affichage de la même image avec deux combinaisons de bandes différentes.

Figure 10 : affichage de la bande Panchromatique en niveau de gris.

Figure 11 : affichage des métadonnées de l’image.

Figure 12 : lier deux fenêtres géographiquement.

- Cliquez et faites glisser sur un coin ou un côté du portail pour le

c. Cliquez avec le bouton droit de la souris à l'intérieur du portail et sélectionnez Blend

e. Une boite de dialogue « Create new vector layer » apparait ;

g. Puis dessiner un polygone autour de la ville de rabat.

p. Une fois terminé, l’image découpée doit apparaitre comme suivant :

19. Combinaison de bandes d’images satellites Landsat 8

➢ True Color (Vraies couleur)

➢ False Color (CIR , Traditional color infrared)

Met en évidence la végétation (apparait en rouge).

Bande 7 (SWIR 2) = Rouge ; Bande 5 (NIR) = Vert ; Bande 3 (Green) = Bleu

en évidence les zones cultivées en vert vive.

20. Extraire les signatures spectrales des objets :

- Une boite de dialogue « Spectral Profil » apparait. Balayez le curseur pour

- Vous pouvez enregistrer les signatures spectrales des différentes cibles en

21. Téléchargement des images satellitaires gratuites

Certaines données sont disponibles gratuitement sur internet :

- Images satellites : Landsat

Ces données sont disponibles sur les sites suivants :

- https://earthexplorer.usgs.gov/ pour les données Landsat et Aster DEM et d’autres.

PRETRAITEMENT D’IMAGES SOUS ENVI 5.3

Dans ce TP, vous apprendrez à :

- Calibrage et prétraitement des données ;

- LC08_L1TP_202036_20190114_20190131_01_T1.tar : Scène Landsat 8 au-dessus de

I. Renseignements de base : Landsat 8

Bande Résolution Longueur Utilité

Band 4 - red 30 m Discrimine les pentes de végétation

➢ ENVI Support pour Landsat 8 :

➢ Calibrer les données Landsat 8 :

2. Allez dans le répertoire D / TP-TD / Input / Rabat ; sélectionner le fichier

➢ L’absorption due aux gaz atmosphériques :

➢ Quick Atmospheric Correction (QuAC) :

1. Pour commencer, ouvrez l’image Landsat 8 de Rabat en utilisant le fichiers métadonnée

7. Choisir Rabat-Reflectance-QuAC dans « Output Raster » et enregistrer l’image en sortie

10. Utiliser « Link View » pour lier les deux images.

13. Allez dans « Sensor Type » / Multispectral et sélectionnez Landsat 8 OLI.

24. Une boite de dialogue apparait, cliquez ok.