Académique Documents
Professionnel Documents
Culture Documents
Département d’Informatique
MEMOIRE
Présenté par
SOUTENU LE : . . / . . / . . . .
Tout d'abord, je tiens à remercier toutes les personnes qui, de près ou de loin,
m'ont apporté leur soutien tout au long des trois années passées au sein de
l’université des sciences et de la technologie d’Oran Mohamed Boudiaf, que ce
soit sur le plan strictement professionnel ou sur un plan plus personnel,
Je remercie tous les membres du labo SIMPA équipe imagerie et décision, merci
d’avoir été là, qui par leurs nombreuses aides et remarques ont permis de faire
évoluer mon travail,
Département d’Informatique
MEMOIRE
Présenté par
SOUTENU LE : . . / . . / . . . .
Introduction générale............................................................................................................1
1. Introduction.................................................................................................................... 3
2. Définition de la télédétection..........................................................................................4
3. Historique de la télédétection......................................................................................... 4
4. Principe de base de la télédétection................................................................................5
5. Processus de la télédétection.......................................................................................... 6
5.1. Source d'énergie ou d'illumination......................................................................... 6
5.2. Interaction rayonnement et atmosphère..................................................................6
5.3. Interaction avec la cible..........................................................................................6
5.4. Enregistrement de l'énergie par le capteur............................................................. 6
5.5. Transmission, réception et traitement.....................................................................7
5.6. Interprétation et analyse......................................................................................... 7
5.7. Application............................................................................................................. 7
6. Rayonnement électromagnétique (REM) et spectre.......................................................8
6.1. Le rayonnement électromagnétique........................................................................8
6.2. Le spectre électromagnétique................................................................................. 9
6.3. Interaction rayonnement électromagnétique cible................................................10
6.4. Interaction rayon électromagnétique atmosphère................................................10
7. Les systèmes d’acquisitions de la télédétection........................................................... 11
7.1. Les capteurs..........................................................................................................11
a- Le capteur passif.................................................................................................11
b- Le capteur actif...................................................................................................11
7.2. Les satellites......................................................................................................... 12
a- Les satellites géostationnaires.............................................................................12
b- Les satellites à orbite polaire ou à défilement....................................................12
8. Domaine d’application de la télédétection................................................................... 13
8.1. L’étude de l’atmosphère....................................................................................... 13
8.2. Terrestre................................................................................................................14
8.3. Océanographie......................................................................................................15
9. Conclusion....................................................................................................................16
2. Image Satellitaire
1. Introduction.................................................................................................................. 17
2. Définition d’une image satellitaire............................................................................... 18
3. Les types d’images satellitaires....................................................................................19
3.1. Les images mono spectrales (panchromatiques).................................................. 19
3.2. Les images multi spectrales..................................................................................19
4. Les caractéristiques d’une image satellitaire................................................................20
4.1. Résolution temporelle...........................................................................................20
4.2. Résolution spatiale................................................................................................21
4.3. Résolution spectrale..............................................................................................21
5. Les techniques de traitement numérique des images satellitaires................................ 22
5.1. Prétraitement.........................................................................................................22
5.1.1.
Correction..................................................................................................... 22
a-
Correction atmosphérique..............................................................................22
b-
Correction radiométrique.............................................................................. 22
c-
Correction géométrique.................................................................................22
5.1.2.
Rehaussement............................................................................................... 22
5.1.3.
Filtrage..........................................................................................................22
5.1.4.
Transformation............................................................................................. 22
5.2. Traitement.............................................................................................................23
5.2.1.
Segmentation................................................................................................ 23
a-
Approche région............................................................................................23
b-
Approche frontière........................................................................................ 23
5.2.2.
Classification................................................................................................ 24
a-
Classification dirigée (supervisée)................................................................ 25
b-
Classification non dirigée (non supervisée).................................................. 25
5.2.3.
Compression.................................................................................................26
6. Quelques exemples concrets de traitement d'images................................................... 27
7. Conclusion....................................................................................................................27
1. Introduction.................................................................................................................. 28
2. Définition de la météorologie.......................................................................................29
3. Phénomènes météorologiques...................................................................................... 30
3.1. Circulation atmosphérique....................................................................................30
3.2. Vent...................................................................................................................... 30
3.3. Nuages et précipitations…....................................................................................30
3.4. Phénomènes accessoires.......................................................................................33
4. Les systèmes d’acquisitions en météorologie...............................................................34
4.1. Satellite météorologique.......................................................................................34
a.
Satellite géostationnaire......................................................................................35
b.
Les satellites circumpolaires...............................................................................35
4.2. Radar météorologique...........................................................................................36
5. Domaine d’application de la météorologie...................................................................37
6. Conclusion....................................................................................................................37
1. Introduction.................................................................................................................. 38
2. Définition et principe de la prévision météorologique................................................. 38
3. Historique de la prévision météorologique...................................................................39
4. Les étapes d’une prévision météorologique................................................................. 40
4.1. Acquisition des données.......................................................................................40
4.2. Analyse du prévisionniste.....................................................................................40
4.3. Prévision numérique.............................................................................................40
a. Analyse............................................................................................................... 40
b. Simulation….......................................................................................................40
c. Post-traitement.................................................................................................... 41
4.4. Prévision finale.....................................................................................................41
4.5. Présentation aux utilisateurs................................................................................. 41
5. Domaine d’application des prévisions météorologiques.............................................. 42
6. Conclusion.................................................................................................................... 42
1. Introduction...................................................................................................................43
2. Les systèmes Bio-Inspirés............................................................................................44
3. Les colonies d’abeilles..................................................................................................45
3.1. Travaux scientifiques et résultats..........................................................................45
3.2. Le processus de recherche de nourriture dans la nature.......................................46
4. Les colonies d’abeilles artificielles (ABC)...................................................................50
4.1. Principe ABC........................................................................................................50
4.2. Organigramme de l’algorithme ABC...................................................................51
4.3. Algorithme ABC...................................................................................................52
4.4. Domaine d’application d’ABC.............................................................................54
5. Conclusion....................................................................................................................54
5. Implémentation et résultats
1. Introduction...................................................................................................................55
1.1. Langage et matériel utilisé....................................................................................55
1.2. Description de la zone d’étude.............................................................................55
2. Organigramme général de l’application........................................................................56
3. Algorithme général de la classification.........................................................................57
3.1. Approche proposée...............................................................................................57
3.2. Les étapes de l’approche proposée.......................................................................60
4. Résultats et discussion…..............................................................................................64
5. Conclusion....................................................................................................................72
Bibliographie
Figure 5.12 : Histogramme des résultats obtenus par ESA à gauche et ABC à droite. .72
Introduction générale
Comme l’atmosphère est chaotique, depuis plusieurs années les différents services
météorologiques ont commencé à produire des ensembles de prévisions. Il s’agit de faire
rouler un ou plusieurs modèles avec des analyses légèrement différentes et de comparer
statistiquement les solutions pour arriver à la plus probable.
La pluie, et de manière générale la variable « précipitations », est sans doute l'un des
phénomènes météorologiques les plus difficiles à prévoir. Pourtant, les enjeux liés à la
prévision des précipitations sont importants.
Cependant les méthodes mathématiques classiques ne sont pas toujours adaptées pour des
problèmes complexes, qui apparaissent par exemple dans le domaine de la robotique, la
télédétection spatiale ou dans la recherche opérationnelle. Il faut alors inventer de nouvelles
méthodes de résolution, et une source d'inspiration utilisée dans la branche de l'intelligence
artificielle qui est la modélisation de systèmes complexes naturels. Ce sont plus
particulièrement les systèmes biologiques qui sont étudiés, après une observation d'un être
vivant ou d'un groupe d’être vivant, un modèle est extrait et amélioré pour une meilleure
résolution du problème traité. Dans cette étude de l'existant, nous allons nous intéresser aux
modèles qui copient les comportements sociaux des animaux, c'est-à-dire l'intelligence
collective ou l'intelligence en essaim qu'il est possible d'observer chez les abeilles, qui sera la
principale espèce étudiée.
Dans le cadre de ce travail, nous proposerons une nouvelle méthode d’optimisation bio-
inspirée ABC (Artificial Bee Colony) qui est basée sur le comportement des abeilles pour la
recherche de nourriture. Nous allons discuter à la fois théoriquement et pratiquement
comment l’algorithme de colonie d’abeille artificielle, et les données correspondantes
(satellite météorologique) pourront être utilisés pour définir de nouvelles techniques de
classification des images satellitaires pour réaliser une prévision météorologique.
Afin de répondre aux attentes des prévisions météorologiques, nous proposons d'adapter cette
méthode, que nous qualifierons de référence pour la classification des images satellitaires
météorologiques.
1
Introduction générale
Le dernier chapitre : la zone d'étude et les données utilisées, pour nos travaux, sont présentées
dans ce chapitre pour réaliser une classification non supervisée des images satellitaires
météorologique par l’algorithme ABC dont l'objectif de prévoir les différents types (classe) de
nuages.
Enfin nous résumerons en fin de mémoire les principales conclusions du travail effectué.
2
CHAPITRE
1 TELEDETECTION
Télédétection
1. Introduction
3
Télédétection
2. Définition de la télédétection
La télédétection (remote sensing) est la science et l'art d'obtenir des informations sur un objet.
Télé signifie à distance et détection veut dire découvrir ou déceler. La télédétection se définit
comme un processus d’acquisition d’information à propos d’un objet, d’une surface, d’un
phénomène sans contact avec eux. [PED06]
3. Historique de la télédétection
- Avant 1925 : Les premières photographies prises depuis les airs à l’aide de pigeons
embarquant des appareils photographiques ont été réalisées dans les dernières années du XIXe
siècle. Des photographies aériennes prises depuis des ballons et des avions montrent ensuite la
valeur des vues aériennes du sol, valeur très exploitée durant la première guerre mondiale.
- Entre 1960 et 1972 : c’est la naissance des satellites de télédétection avec caméras et
capteurs relativement primitifs. Ces années correspondent au développement des satellites
météorologiques. Cette période correspond a la mise en place d’un système mondial
d’observation météorologique, avec l’investigation d’autres parties du spectre, en particulier
l’infrarouge thermique, celles attachées à l’observation photographique.
- Enfin entre 1972 et l989 : à ces années correspond la maturité de la technologie et des
systèmes d’observation de la Terre avec le développement de la haute résolution spatiale,
l’acquisition et distribution opérationnelle et l’expérimentation de nouveaux capteurs dans
une variété de bandes spectrales. La période commence avec le lancement de Landsat en 1972
et dans le milieu des années 1980 ce programme est devenu opérationnel. [CAZ90]
4
Télédétection
- La cible est la portion de la surface terrestre observée par le satellite. Sa taille peut varier de
quelques dizaines à plusieurs milliers de kilomètres carrés.
- La source d'énergie est l'élément qui éclaire la cible en émettant une onde
électromagnétique (flux de photons). Dans l'immense majorité des cas la source d'énergie est
le soleil. Néanmoins, la technologie RADAR nécessite qu'un émetteur soit embarqué sur le
satellite, dans ce cas le satellite lui-même est source d'énergie.
5
Télédétection
5. Processus de la télédétection
5.2. Interaction rayonnement et atmosphère : Durant son parcours «aller» entre la source
d'énergie et la cible, le rayonnement interagit avec l'atmosphère. Une seconde interaction se
produit lors du trajet «retour» entre la cible et le capteur.
5.3. Interaction avec la cible : Une fois parvenue à la cible, l'énergie interagit avec la surface
de celle-ci. La nature de cette interaction dépend des caractéristiques du rayonnement et des
propriétés de la surface. Chaque objet géographique émet ou réfléchi un rayonnement dans les
diverses fréquences du spectre électromagnétique. Cette caractéristique s’appelle le
comportement spectral. En télédétection, on suppose que tout objet ou classe d’objet sur la
surface terrestre possède sa propre « empreinte digitale » dans le spectre électromagnétique
(la signature spectrale), en fonction de la longueur d’onde du rayonnement qui est réfléchi ou
émis par lui-même.
5.4. Enregistrement de l'énergie par le capteur : Une fois l'énergie diffusée ou émise par la
cible, elle doit être captée à distance par un capteur qui n'est pas en contact avec la cible mais
embarqué à bord d'un satellite ou d'un avion par exemple, pour être enfin enregistrée sous
format numérique.
6
Télédétection
5.5. Transmission, réception et traitement : Cette information enregistrée par le capteur est
transmise, souvent par des moyens électroniques, à une station de réception généralement
située au sol où l'information est transformée en images (numériques ou photographiques).
5.6. Interprétation et analyse : Une interprétation visuelle et/ou numérique de l'image traitée
est ensuite nécessaire pour extraire l'information que l'on désire obtenir sur la cible.
Remarque :
Le système d’observation de la terre fournit à l’utilisateur des données numériques ou
d’image sur la base de caractéristiques des détails observés. Il reçoit ces caractéristiques à
travers le rayonnement électromagnétique. Il est donc intéressent pour nous d’étudier de façon
simple le rayonnement électromagnétique et son comportement face aux objets observés.
7
Télédétection
Le signal, c'est-à-dire la part d'énergie reçue puis réfléchie par une cible en direction du
capteur est transmise sous forme de rayonnement électromagnétique.
La longueur d'onde équivaut à la longueur d'un cycle d'une onde, ce qui correspond à la
distance entre deux crêtes successives d'une onde. La longueur d'onde est représentée
habituellement par la lettre grecque lambda (λ), et est mesurée en mètres ou en l'un de ces
sous-multiples tels que les nanomètres (nm, 10 -9 mètre), micromètres (m, 10-6 mètre) ou
centimètres (cm, 10-2 mètre).
La fréquence représente le nombre d'oscillations par unité de temps. La fréquence est
normalement mesurée en Hertz (Hz) (c.-à-d. en oscillations par seconde) ou en multiples de
Hertz.
8
Télédétection
En télédétection aérospatiale, les capteurs des instruments embarqués sur les satellites et
avions mesurent la quantité de REM renvoyée par une portion d'espace terrestre. Alors que les
pellicules photographiques ne peuvent techniquement enregistrer que les longueurs d'ondes
visibles et proche-infrarouge, les capteurs embarqués sur les satellites peuvent enregistrer
l’ultraviolet (rare), le visible, le proche-infrarouge, l'infrarouge moyen, l'infrarouge
thermique, l'infrarouge lointain et les hyperfréquences. [BIG03]
9
Télédétection
a. Absorption : Un corps qui reçoit une quantité de REM peut en absorber une partie. Cette
énergie absorbée est transformée et modifie l'énergie interne du corps. Ainsi, la température
interne du corps peu augmenté ce qui va être la source d'émissions plus importantes dans
d'autres longueurs d'ondes (infrarouge thermique par exemple).
b. Transmission : Un corps qui reçoit une quantité de REM peut en transmettre une partie.
Un objet transparent à une transmission élevée dans les longueurs d'ondes visibles. Une
surface d'eau pure ou le feuillage d'arbres sont des exemples de surfaces susceptibles de
transmettre une partie du REM.
c. Réflexion : Un corps qui reçoit une quantité de REM peut en réfléchir une partie. Lorsqu'il
s'agit d'énergie solaire réfléchie par une portion d'espace terrestre, on parle d'albédo. Il
s'exprime en pourcentage d'énergie réfléchie. La réflexion peut être spéculaire, c'est à dire
qu'elle est dirigée entièrement dans une seule direction, ou diffuse lorsqu’elle est dirigée dans
toutes les directions. [NET01]
10
Télédétection
Le système d’acquisition comprend des capteurs qui sont montés sur la plate forme du
satellite.
7.1. Les capteurs : Les capteurs sont des instruments qui recueillent de l’énergie radiative de
la scène visée, et délivrent un signal électrique correspondant et mesurable. [NET02]
En télédétection, il existe deux types de capteur :
b- Le capteur actif produit lui-même un rayonnement électromagnétique qui est dirigé vers
la cible. Il enregistre ensuite la part de rayonnement réfléchie par la cible.
11
Télédétection
b- Les satellites à orbite polaire ou à défilement : Ils suivent, pour la plupart, une orbite
basse aussi appelée LEO (Low Earth Orbit) située entre 200 et 2000 km d’altitude qui est
comprise entre l’atmosphère et la ceinture de Van Allen.
Ces satellites tournent sur une orbite quasi circulaire dont le plan passe pratiquement par les
pôles Nord et Sud. Ils tournent plus vite ou plus lentement que la terre, et dans le même sens
ou dans le sens contraire.
Les satellites à défilement sont principalement utilisés pour la météorologie, pour les
systèmes de téléphonie planétaire, le GPS (Global Positioning System) qui est le principal
système de positionnement satellite mondial actuellement. [NET03]
12
Télédétection
Exemple :
13
Télédétection
Exemple :
14
Télédétection
Exemple :
15
Télédétection
9. Conclusion
16
CHAPITRE
2 IMAGE SATELLITAIRE
Image Satellitaire
1. Introduction
Dans ce cadre, le traitement des images satellitaires joue un rôle important. Il exploite les
différents attributs des images et de multiples outils et modèles mathématiques et physiques.
Il regroupe un large champ d'activités tels que :
La gestion et le suivi des espaces urbains, le contrôle et la gestion des ressources en eau, la
prévention et le suivi des catastrophes naturelles et leurs impacts sur l’environnement,…etc.
17
Image Satellitaire
Une image satellite est constituée de nombreux carrés appelés pixels. Le pixel représente la
plus petite unité figurant sur une image satellite, il est extrêmement important. Réunis, les
pixels fournissent toute l’information qui constitue l’image dans son intégralité.
Pixel
Chaque pixel d’une image a une valeur, cette valeur correspond à l’intensité du rayonnement
réfléchi par l’objet observé dans la gamme de longueur d’onde auquel le capteur est sensible.
[NET04]
Chaque valeur radiométrique est codée pour la plupart des systèmes sur huit bits, donc on à 28
(0-255) niveaux de gris.
La valeur du pixel varie de 0 (=noir) à 255 (=blanc), on a par conséquent 256 possibilités, ce
qui correspond à 1 octet.
Cela représente la quantité de rayonnement détectée par un capteur, allant du minimum au
maximum.
18
Image Satellitaire
3.1. Les images mono spectrales (panchromatiques) : C’est une image numérique simple
(noir et blanc). Les mesures sont effectuées dans une seule bande spectrale, chaque pixel à
une valeur.
3.2. Les images multi spectrales : C’est une image numérique en couleur. Les mesures sont
effectuées dans plusieurs bandes spectrales (plusieurs canaux), ce qui correspond à plusieurs
valeurs pour chaque pixel.
19
Image Satellitaire
4.1. Résolution temporelle : C’est le temps entre deux passages du même satellite au-dessus
du même point. [PED06]
24/04/2000
02/06/2000
20
Image Satellitaire
4.2. Résolution spatiale : La résolution spatiale est donnée par le plus petit élément
enregistré : le pixel. Suivant les applications et l’échelle d’étude, différentes résolutions
spatiales sont employées. [PED06]
1m 10 m 20 m
4.3. Résolution spectrale : C’est la capacité d’un capteur de distinguer des signaux de
longueurs d’ondes différentes. [OUA,TEK07]
21
Image Satellitaire
L’image satellitaire est bruitée et peu contrastée dans une géométrie difficilement exploitable.
En effet, les images satellitaires à l’état brut ne reflètent pas vraiment la réalité du terrain car
les mesures effectuées sont attachées d’erreurs dues à plusieurs facteurs liés à la position de
l’objet, aux effets du relief. Pour cela, différents traitements numériques sur cette image sont
nécessaire pour distinguer et identifier les classes d’objets dans une image pour extraire
l’information utile.
Parmi les techniques de traitement numérique de l’image on distingue :
5.1. Prétraitement : Les prétraitements sont les opérations qui sont normalement requises
avant l’analyse principale et l’extraction de l’information. Ces opérations se divisent en :
5.1.3. Filtrage : Analyse des données, désigne l'élimination de certaines fréquences spectrales
ou spatiales afin d'accentuer des caractéristiques sur l'image. [NET05]
22
Image Satellitaire
Dans le contexte de la vision artificielle, le traitement d'images se place après les étapes
d'acquisition et de numérisation, assurant les transformations d'images et la partie de calcul
permettant d'aller vers une interprétation des images traitées. Cette phase d'interprétation est
d'ailleurs de plus en plus intégrée dans le traitement d'images, en faisant appel notamment à
l'intelligence artificielle pour manipuler des connaissances, principalement sur les
informations dont on dispose à propos de ce que représentent les images traitées
(connaissance du domaine). [NET07]
5.2.1. Segmentation : La segmentation est une opération de traitement d'images qui consiste
à trouver des zones homogènes appelés région selon un critère bien déterminé comme par
exemple le niveau de gris, la couleur, la texture…etc.
Une grande variété de techniques permet d’effectuer la segmentation d’images. Elles sont
généralement fondées sur la recherche de discontinuités locales telles que la détection de
contours, ou sur la détection de zones de l’image présentant des caractéristiques
d’homogénéité
a- Approche région : Segmentation fondée sur les régions : On y trouve par exemple la
croissance de région, décomposition/fusion.
Les méthodes appartenant à cette famille manipulent directement des régions. Soit elles
partent d'une première partition de l'image, qui est ensuite modifiée en divisant ou regroupant
des régions (décomposition/fusion); soit elles partent de quelques régions, qui sont amenées à
croître par incorporation de pixels jusqu'à ce que toute l'image soit couverte (croissance de
régions).
b- Approche frontière Segmentation fondée sur les contours (frontière) : Cette approche
cherche à exploiter le fait qu'il existe une transition détectable entre deux régions connexes.
L'intérêt principal des méthodes de segmentation selon l'approche frontières est de minimiser
le nombre d'opérations nécessaires en cas d'itération du processus sur des séries d'images peu
différentes les unes des autres. [NET08]
23
Image Satellitaire
5.2.2. Classification : Le regroupement des pixels d'une image en catégories ou thèmes. Lors
de la classification, chaque pixel est comparé à la signature de chaque classe. La comparaison
est effectuée par l’ordinateur en utilisant un des différents algorithmes de classification. On
distingue deux grands types de procédé :
Un analyste qui tente de classer les caractéristiques d'une image, utilise les éléments de
l'interprétation visuelle pour identifier des groupes homogènes de pixels qui représentent des
classes intéressantes de surfaces. La classification numérique des images utilise l'information
spectrale contenue dans les valeurs d'une ou de plusieurs bandes spectrales pour classifier
chaque pixel individuellement. Ce type de classification est appelé reconnaissance de
regroupements spectraux. Les deux façons de procéder (manuelle ou automatique) ont pour
but d'assigner une classe particulière ou thème à chacun des pixels d'une image. La nouvelle
image qui représente la classification est composée d'une mosaïque de pixels qui
appartiennent chacun à un thème particulier. Cette image est essentiellement une
représentation thématique de l'image originale.
Lorsqu'on parle de classes, il faut faire la distinction entre des classes d'information et des
classes spectrales. Les classes d'information sont des catégories d'intérêt que l'analyste tente
d'identifier dans les images. Les classes spectrales sont des groupes de pixels qui ont les
mêmes caractéristiques (ou presque) en ce qui a trait à leur valeur d'intensité dans les
différentes bandes spectrales des données. [NET09]
L'objectif ultime de la classification est de faire la correspondance entre les classes spectrales
et les classes d'information. Il est rare qu'une correspondance directe soit possible entre ces
deux types de classes. Des classes spectrales bien définies peuvent apparaître parfois sans
qu'elles correspondent nécessairement à des classes d'information intéressantes pour l'analyse.
D'un autre côté, une classe d'information très large peut contenir plusieurs sous-classes
spectrales avec des variations spectrales définies.
L'analyste a le rôle de déterminer de l'utilité des différentes classes spectrales et de valider
leur correspondance à des classes d'informations utiles.
Les méthodes de classification les plus communes peuvent être séparées en deux grandes
catégories : les méthodes de classification supervisée et les méthodes de classification non
supervisée. [NET09]
24
Image Satellitaire
b- Classification non dirigée (non supervisée) : elle est effectuée par traitement
informatique uniquement basé sur les statistiques d'image sans recours à des échantillons
d'entraînement. La classification produit un regroupement naturel des pixels de l’image que
l’on nomme regroupement spectral ou classe. Ainsi, on présume que les régions de l’image
ayant une même signature spectrale ont un type d’utilisation du sol similaire. L’analyste doit
ensuite déterminer l’identité de ces regroupements spectraux. [NET05]
La classification non supervisée procède de la façon contraire. Les classes spectrales sont
formées en premier, basées sur l'information numérique des données seulement. Ces classes
sont ensuite associées, par un analyste, à des classes d'information utile (si possible). Des
programmes appelés algorithmes de classification sont utilisés pour déterminer les groupes
statistiques naturels ou les structures des données.
Habituellement, l'analyste spécifie le nombre de groupes ou classes qui seront formés avec les
données. De plus, l'analyste peut spécifier certains paramètres relatifs à la distance entre les
classes et la variance à l'intérieur même d'une classe. Le résultat final de ce processus de
classification itératif peut créer des classes que l'analyste voudra combiner, ou des classes qui
devraient être séparées de nouveau. Chacune de ces étapes nécessite une nouvelle application
de l'algorithme. L'intervention humaine n'est donc pas totalement exempte de la classification
non supervisée. Cependant, cette méthode ne commence pas avec un ensemble prédéterminé
de classes comme pour la classification supervisée. [NET09]
25
Image Satellitaire
C'est-à-dire qu'une compression suivie d'une décompression ne doit pas changer l’image.
Cependant, il est acceptable de perdre un peu d'information pour obtenir un taux de
compression plus élevé. L'image résultante n'est donc pas identique, bien que très proche
visuellement. On dit alors que c'est une compression avec perte d'information. [SAI09]
26
Image Satellitaire
- Recherche d'image par le contenu. L'objectif de cette technique est de rechercher, parmi une
base de données d'images, les images similaires à une image exemple, ou ayant certaines
caractéristiques, par exemple rechercher toutes les images comportant un vélo.
- Analyse de la vidéo. L'objectif de cette technique devenue une discipline depuis les années
2000 est d'interpréter les faits observés à l'image afin de signaler ou d'enregistrer des faits
marquants. Le plus souvent, la caméra est fixe et observe les mouvements d'une scène. Les
applications sont nombreuses :
- Protection des biens (détection d'intrusion, détection d'objet abandonné ou déposé...),
- Identification (biométrie faciale),
- Sécurité des personnes (détection de chutes de personnes,...),
- Détection de feux (industriel, forêts, tunnels, ...),
- Surveillance de tunnels (comptage, mesure de vitesse,…),
- Détection de fuites/anomalies dans les plafonds,
- Surveillance de tuyaux et autres process industriels,...
7. Conclusion
L’analyse et l’interprétation des images satellitaires, généralement effectuées par des photo-
interprètes, requièrent un effort humain considérable et coûteux. Ces experts ont appris à
exploiter des résultats d’analyse des images (segmentation, classification, plus ou moins
automatiques ...) afin d’extraire une information utile dans un but applicatif bien défini. Les
images doivent être bien choisies pour permettre la mise en évidence des objets d’intérêt de
l’application choisie.
27
CHAPITRE
3
METEOROLOGIE ET PREVISION METEOROLOGIQUE
Météorologie et prévision météorologique
1. Introduction
Les instruments perfectionnés utilisés dans les missions satellitaires actuelles et à venir vont
produire un nombre de plus en plus grand de données concernant l’état de l’atmosphère, des
océans et du sol. Au cours de la décennie actuelle, le volume de données dont disposeront les
secteurs de l’exploitation et de la recherche météorologique, océanographique et
climatologique sera multiplié par 100 000.
Ces données auront une précision et une résolution spatiale, spectrale et temporelle jamais
atteintes auparavant. Des organismes vont veiller à ce qu’un maximum d’avantages soit tiré
de l’investissement dans les systèmes mondiaux d’observation depuis l’espace. Ils vont
accélérer l’exploitation de données émanant de satellites opérationnels et de recherche qui
doivent alimenter des systèmes de surveillance et de prévision météorologique et
climatologique. Des informations améliorées sur le temps et le climat seront transmises par
les systèmes actuels de diffusion et par de nouveaux systèmes.
28
Météorologie et prévision météorologique
2. Définition de la météorologie
Le mot « météorologie » vient du grec antique où meteor désigne les particules en suspension
dans l'atmosphère et logos veut dire discours ou connaissance.
La météorologie a pour objet l'étude des phénomènes atmosphériques tels que les nuages, les
précipitations ou le vent dans le but de comprendre comment ils se forment et évoluent en
fonction des paramètres mesurés tels que la pression, la température et l'humidité.
Le but de la météorologie est de trouver les lois régissant la dynamique du fluide que l'on
nomme l'air et de pouvoir prédire son comportement futur. L'air est un fluide compressible,
formé de différents gaz et se trouvant dans une mince couche à la surface d'un référentiel en
rotation (la Terre).
La météorologie étant une branche de la physique, la théorie des fluides, le calcul des forces
et la thermodynamique sont mises à profit pour expliquer le comportement de l'atmosphère.
[NET10]
29
Météorologie et prévision météorologique
3. Phénomènes météorologiques
Certains systèmes météorologiques ont des noms particuliers : cyclones tropicaux, Mousson,
El Nino, Blocage d'air froid,…etc. [NET10]
3.2. Vent : Le vent est un mouvement de l’atmosphère. Il peut apparaître sur n’importe quelle
planète disposant d’une atmosphère. Ces mouvements de masses d’air sont provoqués par
deux phénomènes se produisant simultanément : un réchauffement inégalement réparti de la
surface de la planète par l’énergie solaire et la rotation de la planète.
Sur Terre, plusieurs régions ont des vents caractéristiques auxquels les populations locales ont
données des noms particuliers. Les vents sont une source d’énergie renouvelable, et ont été
utilisés à travers les siècles à divers usages, par les moulins à vent, la navigation à la voile ou
plus simplement le séchage.
La vitesse du vent est mesurée avec un anémomètre mais peut être estimée par une manche à
air, un drapeau,…etc.
Les vents peuvent être réguliers ou en rafales. On retrouve des corridors de vent très forts le
long des zones de contraste de températures qu'on appelle courant-jets. Sous les orages, la
transformation du cisaillement horizontal du vent en tourbillon vertical donne une tornade ou
une trombe marine. Le même phénomène peut se produire sans nuage et donne un tourbillon
de poussière. La descente de l'air vers le sol avec les précipitations dans un orage donne une
rafale descendante. [NET10]
Un nuage est donc un ensemble de gouttelettes d’eau (ou de cristaux de glace) en suspension
dans l’air. L’aspect du nuage dépend de la lumière qu’il reçoit, de la nature, de la dimension,
du nombre et de la répartition des particules qui le constituent. Plus l’air est chaud, plus il
peut contenir de la vapeur d’eau, et plus le nuage sera important. Plus les mouvements
verticaux de l'air sont forts, plus le nuage aura une extension verticale importante. [NET10]
En météorologie, le terme précipitation désigne des cristaux de glace ou des gouttelettes d'eau
qui, ayant été soumis à des processus de condensation et d'agrégation à l'intérieur des nuages,
30
Météorologie et prévision météorologique
sont devenus trop lourds pour demeurer en suspension dans l'atmosphère et tombent au sol ou
s'évaporent avant de l'atteindre. [NET11]
- Les gouttelettes d'eau : Elles sont formées en atmosphère saturée (100 % d'humidité) par
condensation de la vapeur d'eau (toujours présente dans l'atmosphère) en présence de
particules solides en suspension appelées noyaux de condensation. Ces noyaux de
condensation jouent le rôle de catalyseur et sont d'origines variées :
- minérale : suie volcanique, cristaux de sable.
- marine : cristaux de sel marin arrachés des embruns par le vent.
- humaine : combustions industrielles, pollution.
- Les cristaux de glace : Ils sont formés par cristallisation d'une gouttelette d'eau autour d'une
particule solide appelée noyau glaçogène pour T<0°C. Ces noyaux sont issus de cendres
volcaniques, suie ou sable et ont une structure cristalline analogue à la glace. [NET12]
31
Météorologie et prévision météorologique
La base du nuage détermine l'étage auquel il appartient. Ces étages varient en fonction de
l’altitude : [NET12]
La pluie désigne généralement une précipitation d'eau à l'état liquide tombant de nuages vers
le sol. Il s'agit d'un hydrométéore météorologique qui fait partie du cycle de l'eau. La pluie se
forme à partir de la condensation de la vapeur d'eau qui a été évaporée par le Soleil, s'est
condensée dans le nuage par le refroidissement adiabatique dû au mouvement ascendant de
l'air. On parle de pluie chaude quand les gouttes de pluie se sont entièrement formées dans un
nuage au dessus du point de congélation et de pluie froide quand elles sont le résultat de la
fonte de flocons de neige quand l'air passe au-dessus de zéro degré Celsius en altitude.
[NET13]
32
Météorologie et prévision météorologique
33
Météorologie et prévision météorologique
Le système d’acquisition comprend des capteurs qui sont montés sur les satellites :
Un satellite météorologique est un satellite artificiel qui a comme mission principale le recueil
de données utilisées pour la surveillance du temps et du climat de la Terre. Chaque nouvelle
génération de satellite comporte des senseurs plus performants et capables d'effectuer des
mesures sur un plus grand nombre de canaux ce qui permet de les utiliser pour différencier les
divers phénomènes météorologiques : nuages, précipitations, vents, brouillard,…etc.
Le premier satellite météorologique, le Vanguard 2, fut lancé le 17 février 1959 pour mesurer
la couverture nuageuse. Malheureusement, lors de sa satellisation, son axe de rotation fut mal
orienté et il ne put donner que peu d’informations. Le TIROS-1 fut le premier succès dans ce
domaine. La NASA le lança le 1er avril 1960 et transmis durant 78 jours. Il fut l’ancêtre du
programme Nimbus qui mena au développement des satellites météorologiques modernes
lancés par la NASA et opérés par le NOAA.
Pour répondre à leurs besoins spécifiques, différents pays ou association de pays ont démarré
ensuite leur propre programme. En Europe, les satellites Météosat, de première génération,
ont été réalisés dans le Centre spatial de Cannes Mandelieu, leur premier satellite, Météosat 1,
a été lancé le 23 novembre 1977. [NET14]
34
Météorologie et prévision météorologique
Figure 3.6 : Vue de la Terre par un satellite météorologique GOES (Source: NOAA)
Les différents pays qui maintiennent une flotte de ces satellites sont :
Comme ils sont plus rapprochés de la surface, ces satellites ont une meilleure résolution. Ils
peuvent distinguer plus facilement les détails de température des nuages et leur forme visible.
Les feux de forêt et la brume sont beaucoup plus évidents. On peut même en extraire des
informations sur le vent selon la forme et le déplacement des nuages. Malheureusement,
comme ils ne couvrent pas continuellement la même surface terrestre, ils ont un usage plus
limité pour surveiller la météo en temps réel. Ils sont surtout utiles dans ce domaine dans les
régions polaires où des images composites venant des différents satellites sont plus fréquentes
et permettent de voir ce qui est presque invisible aux satellites géostationnaires. [NET14]
35
Météorologie et prévision météorologique
Les différents pays qui maintiennent une flotte de ces satellites sont :
- Les États-Unis utilisent la série TIROS de NOAA en binômes sur des orbites
opposées (un vers le nord et l’autre vers le sud).
- La Russie possède les séries Meteor et RESURS.
- La Chine et l’Inde ont également des satellites circumpolaires.
Un radar météorologique est un type de radar utilisé en météorologie pour repérer les
précipitations, calculer leur déplacement et déterminer leur type (pluie, neige, grêle,…etc.).
Un radar météorologique est un radar à impulsions, c'est-à-dire qu'il émet des impulsions de
très courte durée suivi d'un temps mort beaucoup plus long pour « écouter » les échos de
retour venant des précipitations. On peut ainsi repérer la position, l'intensité et le déplacement
de ces dernières. On peut même tirer le type du signal retourné, si on sait quelles variables de
l'écho analyser. Finalement, ce type de radar permet d'utiliser la même antenne pour
l'émission et la réception en plus de concentrer l'énergie dans des impulsions courtes au lieu
de la répartir dans une émission continue. [NET15]
36
Météorologie et prévision météorologique
6. Conclusion
Beaucoup reste à faire pour comprendre et paramétrer les phénomènes météorologiques. Les
équations qui régissent l’atmosphère sont complexes et les données sont difficiles à obtenir
dans certains cas.
Ces avantages seront manifestes dans divers domaines tels que les prévisions saisonnières et
interannuelles et les alertes.
37
Météorologie et prévision météorologique
1. Introduction
Comme l’atmosphère est chaotique, malgré l’amélioration des connaissances, les équations
qui la régissent et la plus grande résolution des données satellitaires recueillies, il est parfois
impossible d’arriver à une solution unique. Depuis plusieurs années, les différents services
météorologiques ont commencé à produire des ensembles de prévisions. Il s’agit de faire
rouler un ou plusieurs modèles avec des analyses légèrement différentes et de comparer
statistiquement les solutions pour arriver à la plus probable.
Les lois régissant le comportement de l’atmosphère sont dérivées de la mécanique des fluides.
On peut grâce à des modèles mathématiques et des superordinateurs les résoudre. Malgré tout,
même si la résolution de nos données a augmenté exponentiellement, la prévision reste autant
un art qu’une science. En effet, l’état de l’atmosphère ne peut jamais être complètement défini
ce qui laisse place au facteur humain dans la prévision. [NET16]
Figure 3.7 : Prévision météorologique, prévision (lignes bleues) pour une période
de 30 à 45 minutes du déplacement d'une ligne d'orage
38
Météorologie et prévision météorologique
La vision pionnière de Richardson commença à porter ses fruits en 1950, alors que Charney,
Fjortoft et Von Neumann réussirent la première prévision numérique du temps par ordinateur.
Les premiers programmes de prévisions numériques opérationnelles furent instaures au début
des années 1960. [JLM07]
39
Météorologie et prévision météorologique
Le développement des ordinateurs a permis d'utiliser les équations qui régissent l'atmosphère
afin de simuler l'évolution des systèmes météorologiques, il a été possible de graduellement
augmenter la complexité du calcul pour donner des solutions de plus en plus près de la réalité,
sans encore être parfaites. La prévision météorologique comprend :
Les données sont acquises par un ensemble de systèmes qui donnent la pression, la
température, l’humidité, la direction et vitesse du vent, les précipitations, les conditions
nuageuses,…etc., à la surface et en altitude. Ces systèmes ont chacun leur fréquence de prise
de donnée.
Il analyse l'ensemble des données de surface et d’altitude à partir de cartes tracées par
ordinateur ou manuellement pour se faire une idée de la circulation atmosphérique actuelle, de
la trajectoire passée des systèmes et de leur état de développement (pour déterminer la
trajectoire future de ces systèmes). [NET16]
40
Météorologie et prévision météorologique
Il arrive souvent que différents modèles suggèrent différentes solutions. Cela est dû à la façon
dont les équations de l’atmosphère sont intégrées dans un modèle, à sa résolution et à l’état de
l’atmosphère qui est parfois très instable et susceptible de grands changements à partir de
petites variations de l’analyse initiale. Le prévisionniste compare son scénario avec les
résultats obtenus par le ou les modèles numériques. Il peut ainsi se faire une idée des forces et
des faiblesses des solutions qu'ils proposent et choisir la meilleure. [NET16]
Une fois arrivé à une solution, le prévisionniste doit mettre celle-ci sous forme utile pour
l’usager. Ces derniers sont :
- Le public.
- Les médias (journaux, bulletins télévisés, radio, etc.).
- L’aviation.
- Les navigateurs.
- Les moyens de diffusion du service météorologique national.
Chacun d’eux reçoit des produits sous la forme la plus utile pour leur opération. Ce sont
traditionnellement des cartes ou des textes mais plus récemment, avec l’internet, des
graphiques de tendances ou tout autre produit graphique. [NET16]
41
Météorologie et prévision météorologique
6. Conclusion
Dans le cadre de la modélisation numérique, nous proposerons dans le chapitre suivant une
nouvelle méthode d’optimisation qui est basée sur le comportement des abeilles pour la
recherche de nourriture.
42
CHAPITRE
4
LES COLONIES D’ABEILLES
Les colonies d’abeilles
1. Introduction
Les problèmes traités en informatique sont la plupart du temps résolus par des méthodes
mathématiques simples. Cependant ces méthodes ne sont pas toujours adaptées pour des
problèmes complexes, qui apparaissent par exemple dans le domaine de la robotique, la
télédétection spatiale ou dans la recherche opérationnelle. Il faut alors inventer de nouvelles
méthodes de résolution, et une source d'inspiration utilisée dans la branche de l'intelligence
artificielle qui est la modélisation de systèmes complexes naturels.
Ce sont plus particulièrement les systèmes biologiques qui sont étudiés : après une
observation d'un être vivant ou d'un groupe d’être vivant, un modèle est extrait et amélioré
pour une meilleure résolution du problème traité.
Dans cette étude de l'existant, nous allons nous intéresser aux modèles qui copient les
comportements sociaux des animaux, c'est-à-dire l'intelligence collective ou l'intelligence en
essaim qu'il est possible d'observer chez les abeilles, qui sera la principale espèce étudiée dans
ce chapitre.
43
Les colonies d’abeilles
Les systèmes bio-inspirés, plus particulièrement le calcul bio-inspiré, sont étroitement liés au
domaine de l’IA (Intelligence Artificielle). Ils s’appuient sur la biologie, l’informatique et les
mathématiques.
Pour résumer, on utilise des ordinateurs pour modéliser la nature, et vis-versa, on s’inspire de
la nature pour améliorer l’utilisation des ordinateurs afin de résoudre des problèmes
complexes. [NET17]
Comme une sorte d'insectes sociaux, les abeilles vivent en colonies et présentent de
nombreuses caractéristiques. Ces caractéristiques comprennent les abeilles exploratrices, la
danse des abeilles, la sélection des tâches, la prise de décision collective, le choix du site de
nid, l'accouplement, ponte des phéromones et des systèmes de navigation, qui peut être utilisé
comme modèles pour des applications intelligentes.
44
Les colonies d’abeilles
Karl von Frisch rapporte, dans sa biographie, ce qu’il observa, un jour de printemps 1919,
après avoir marqué d’une tache de peinture une butineuse exploitant une coupelle d’eau
sucrée. L’ouvrière de retour à la ruche se mit à danser en rond, entourée d’abeilles qui
témoignèrent d’une grande excitation, ce qui provoqua leur envol vers la coupelle pleine. Les
travaux qui allaient découler de cette observation ont permis d’élucider une grande partie des
mystères de la danse et ont valu à leur auteur le prix Nobel de Physiologie et Médecine en
1973. [NET18]
Karl von Frisch mena ses études sur l'abeille carnolienne (Apis mellifera carnica). Il trouva
que les informations sur les zones de butinage peuvent être transférées d'abeille à abeille. Ceci
s'effectue au moyen d'une danse.
La définition de l'objectif par la danse est assez précise pour que les abeilles qui ont suivi la
danse puissent retrouver l'objectif, même s'il faut faire des détours pour l'atteindre.
Cette analyse de la danse des abeilles a permis des découvertes fondamentales sur le langage
humain. [NET19]
45
Les colonies d’abeilles
Karl von Frisch a découvert le prodigieux langage des abeilles : lorsqu'une butineuse revient à
la ruche au terme d'une exploration, et qu'elle a découvert une source de nourriture, elle
exécute dans l'obscurité de la ruche une sorte de danse. Les autres abeilles perçoivent
l'agitation de cette excitée et viennent s'agglutiner à elle pour décoder les informations
contenues dans ces mouvements. [NET20]
Une colonie d'abeilles peut s'étendre sur de longues distances (jusqu'à 14 km) et dans
plusieurs directions simultanément pour exploiter un grand nombre de sources de nourriture.
Une colonie prospère dans les bonnes champs en déployant ses butineuses. En principe, les
surfaces de fleurs avec des quantités abondantes de nectar ou de pollen qui peuvent être
collectés avec moins d'effort devrait être visité par plus d'abeilles, alors que les surfaces avec
moins de nectar ou de pollen devraient recevoir moins d'abeilles.[VFK76] [STD96] [BDT99]
Le processus de recherche de nourriture commence dans une colonie d'abeilles par les abeilles
Scoutes envoyées pour rechercher les surfaces de fleur prometteuses. Les abeilles Scoutes se
déplacent aléatoirement à partir d'une surface à l'autre. Pendant la saison de récolte, une
colonie continue son exploration, en gardant un pourcentage de la population que les abeilles
Scoutes.
Quand ils retournent à la ruche, les abeilles Scoutes qui ont trouvé une surface qui est classée
au dessus d'un certain seuil de qualité (mesurée comme une combinaison de certains
constituants, tels que la teneur en sucre) déposent leur nectar ou pollen et exécutent une danse
connue sous le nom de danse frétillante. [VFK76]
1. Exploration
2. Exploitation
3. Danse
46
Les colonies d’abeilles
Cette danse est essentielle pour la communication de la colonie, et contient trois éléments
d'information au sujet de la surface de fleurs: la direction dans laquelle il sera trouvé, sa
distance de la ruche et sa qualité (ou fitness). Cette information aide la colonie d'envoyer ses
abeilles aux surfaces des fleurs précisément, sans l'aide de guides ou de cartes. Les
connaissances de chaque individu de la colonie de l'environnement extérieur sont glanées
uniquement de la danse frétillante. Cette danse permet à la colonie pour évaluer le mérite
relatif des différentes surfaces à la fois selon la qualité de nourriture qu'ils fournissent et la
quantité d'énergie nécessaire pour la récolte. Après la danse frétillante à l’intérieur de la
ruche, la danseuse (à savoir l'abeille Scoute) remonte à la surface de la fleur avec les abeilles
recrutées qui attendaient à l'intérieur de la ruche. Plus d’abeilles recrutées sont envoyées à
plusieurs surfaces prometteuses. Cela permet à la colonie pour recueillir de la nourriture
rapidement et efficacement.
Au moment de la récolte à partir d'une surface, les abeilles surveillent leur niveau alimentaire.
Cela est nécessaire pour décider sur la danse frétillante suivante quand ils retournent à la
ruche. Si la surface est encore assez bonne en tant que source de nourriture, alors il sera
annoncé dans la danse frétillante et plus d’abeilles seront recrutées pour cette source.
[NET21]
Les danses des abeilles n’auront leur pleine signification biologique que si elles sont
provoquées uniquement par la découverte d’endroits où la récolte est bonne et abondante. On
ne danse pas pour un butin qui ne mérite pas qu’on batte le rappel. La richesse du butin
dépend non seulement de la quantité de nectar que les fleurs sécrètent, mais encore de sa
concentration en sucre. L’importance des annonces que les pourvoyeuses font à la ruche se
règle donc de la manière la plus simple sur la richesse des récoltes découvertes.
L’éclaireuse rapporte en effet de son exploration le parfum spécifique de la fleur. Les abeilles
ont encore une autre manière de parler à l’odorat de leurs compagnes pour les attirer vers une
source de nectar. Elles utilisent leur organe odorant (glande de Nasonov), lors du survol des
fleurs, quand une récolte prometteuse rend désirable la collaboration d’autres auxiliaires.
[NET18]
Deux cas de figure se présentent : le type de danse est différent selon que la nourriture se
trouve à moins de 100 m, ou à une distance supérieure :
47
Les colonies d’abeilles
a. Lorsque la nourriture est à moins de 100 m, une danse en rond signale simplement la
proximité du repas, sans indication de direction. Étant donné la population de la ruche, la
dispersion des abeilles à l'intérieur d'un petit rayon permet de découvrir rapidement la source
de nourriture. [NET20]
b. Quand la distance de la source est supérieure à 100 m, des précisions supplémentaires sont
nécessaires. L'abeille exécute une danse en forme de 8 qui indique cette fois la distance et la
direction du site d'approvisionnement.
La danse frétillante ou danse en huit, aux motifs très compliqués, indique en fonction des
oscillations abdominales et des vibrations émises, la direction et la distance du butin à
récolter. [NET20]
48
Les colonies d’abeilles
Dès lors, elles peuvent, lorsqu’elles piétinent le rayon, percevoir le bruit grésillant de la
danseuse car les vibrations stimulent de minuscules récepteurs cachés au niveau des pattes.
[NET18]
Au sein d'une même danse on a donc des informations de distance, de direction, de quantité et
de la nature de la source de nourriture :
- La direction est exprimée par rapport à la position du soleil : Le principe est simple, mais il
sous-entend une excellente capacité de repérage et d'analyse. De plus l'abeille effectue une
schématisation qui s'apparente à de l'abstraction : elle transpose dans le plan vertical l'angle
que fait la direction de la nourriture avec la direction du soleil dans le plan horizontal. En clair
elle dirige la danse dans une direction qui fait un certain angle par rapport à la verticale ; et cet
angle indique la direction de la nourriture par rapport au soleil. [NET20]
- La distance, par le nombre et la vitesse de tours effectués par l'abeille sur elle-même. La
vitesse d'exécution de la danse est d'autant plus élevée que la source est proche. L’abeille
exécute en moyenne 40 tours par minute si la distance à indiquer est de 100 mètres, 24 tours
s’il s’agit de 500 mètres. Pour les grandes distances (pouvant aller jusqu’à 11 km environ), la
danse devient très lente et les oscillations de l’abdomen sont d’autant plus prolongées et
appuyées. [NET18]
- La quantité, la pourvoyeuse frétille d'autant plus vivement que la source signalée est
abondante (nombreuse).
- La nature : Elle est indiquée par l'odeur de la pourvoyeuse qui s'est frottée à la nourriture.
Les abeilles n'auront aucun mal à retrouver la source de nourriture à l'aide des informations
révélées par la danse. [NET20]
49
Les colonies d’abeilles
L’algorithme ABC est un algorithme basé sur la population, la position d'une source de
nourriture représente une solution possible au problème d'optimisation et la quantité de nectar
d'une source de nourriture correspond à la qualité (forme physique) de la solution associée.
[NET22]
Dans sa version de base, l'algorithme (ABC) effectue une sorte de recherche à voisinage
combinés à la recherche aléatoire. [NET21]
On suppose qu'il y a seulement une abeille Sélectionnée artificielle pour chaque source de
nourriture. En d'autres termes, le nombre d'abeilles Sélectionnées dans la colonie est égal au
nombre de sources de nourriture autour de la ruche.
Les abeilles Sélectionnées vont à leur source de nourriture et revient à la ruche et dansent sur
ce secteur. L'abeille Sélectionnée dont la source de nourriture a été abandonnée devient une
abeille Scoute et commence à rechercher pour trouver une nouvelle source de nourriture. Les
Recrutées observent les danses des abeilles Sélectionnées et choisissent des sources de
nourriture selon des danses. [NET22]
50
Les colonies d’abeilles
51
Les colonies d’abeilles
- En première étape, l'algorithme d’abeilles commence avec les (n) abeilles Scoutes étant
placées au hasard dans l'espace de recherche.
- Dans l'étape 2, la fitness des sites visités par les abeilles Scoutes sont évaluées.
- À l'étape 4, les abeilles qui ont le plus de fitness sont choisies comme abeilles Sélectionnées
et les sites visités par eux sont choisis pour la recherche de voisinage.
- Puis, l’étape 5, l'algorithme dirige les recherches dans le voisinage des sites sélectionnés, en
attribuant plus d'abeilles Recrutées pour la recherche à proximité de meilleurs e sites. Ce
recrutement différentiel est une opération clé de l'algorithme d’abeilles.
- Toutefois, à l'étape 6, pour chaque surface, seules les abeilles avec la plus haute fitness
seront Sélectionnées pour former la prochaine population d'abeilles.
- À l'étape 7, les abeilles restent dans la population sont affectées de manière aléatoire autour
de l'espace de recherche pour de nouvelles solutions potentielles.
Ces étapes sont répétées jusqu'à ce qu'un critère d'arrêt soit atteint.
A la fin de chaque itération, la colonie aura deux parties à sa nouvelle population : Celles qui
représentent les meilleurs surfaces et celles qui ont été envoyées au hasard. [NET21]
52
Les colonies d’abeilles
S : Scoute
L : Sélectionnée
R : Recrutée
53
Les colonies d’abeilles
5. Conclusion
La danse des abeilles est un langage exceptionnel dans le monde animal. Généralement, les
systèmes de communications des animaux ne s’intéressent qu’aux événements immédiats, les
concernant directement ou ayant trait à leur environnement (possibilité d’accouplement,
approche d’un prédateur…). Les abeilles, elles, utilisent un langage abstrait pour transmettre
une quantité considérable d’informations sur des événements lointains.
Il est donc étonnant de découvrir qu’un animal si éloigné des mammifères et des oiseaux,
l’abeille, qui soit doté d’un système de communication aussi complexe et sophistiqué. De
plus, la maîtrise que les abeilles possèdent de leur environnement est surprenante.
54
CHAPITRE
5
IMPLEMENTATION ET RESULTATS
Implémentation et résultats
1. Introduction
Le travail présenté dans ce chapitre est consacré à réaliser une classification non supervisée
des images satellitaires météorologiques par l’algorithme ABC pour identifier les différents
types de nuages dans le cadre de l’observation du satellite Météosat-9 du jeudi 31 mars 2011
à 9h00.
Notre logiciel a été développé en langage C++ Builder 6 pour plusieurs raisons :
Tout d’abord C++ est un outil RAD, c'est-à-dire tourné vers le développement rapide
d’applications (Rapid Application Development) sous Windows. Pour ce faire, C++ Builder
repose sur un ensemble très complet de composants visuels prêt à l’emploi. La quasi-totalité
des contrôles de Windows (boutons, boites de saisies, listes déroulantes, menus et autres
barres d’outils) y sont représentés, regroupés par famille. Leurs caractéristiques sont éditables
directement dans une fenêtre spéciale intitulée éditeur d’objets. L’autre volet de cette même
fenêtre permet d’associer du code au contrôle sélectionné.
Pour les ressources matérielles, l’application a été réalisée sur un micro-ordinateur ayant les
caractéristiques suivantes :
- Système d’exploitation Microsoft Windows XP SP2.
- Processeur Intel Pentium Dual CPU E2200 (2.20 GHz).
- 2 Go de RAM.
- Disque dur 320 Go.
- Carte graphique 1Go.
Notre logiciel s’est appuyé sur les données recueillies par le satellite météorologique
géostationnaire Météosat-9 dans les trois canaux :
- Le canal proche infrarouge NIR 1.6 µm (micromètre),
- Le canal infrarouge très proche VNIR 0.8 µm,
- Le canal visible VIS 0.6 µm.
55
Implémentation et résultats
Classification
par ABC
Image satelittaire
météorologique
classifiée
56
Implémentation et résultats
Dans les problèmes de classification non supervisée, souvent, le nombre de classes est non
connu. Cette zone d’étude a été choisie pour notre maitrise thématique de la région ainsi que
son paysage varié pouvant présenter un intérêt pour l’évaluation de notre méthode.
L'image RVB composite couleur (Figure 5.2) utilise trois canaux : NIR 1.6, VNIR 0.8 et VIS
0.6. Sur cette combinaison de couleurs, la végétation apparaît de couleur verdâtre en raison de
son facteur de réflexion bien supérieur dans le canal VNIR0.8 (affichage en vert) que dans le
canal NIR1.6 (affichage en rouge) ou le canal VIS0.6 (affichage en bleu). Les nuages d'eau
composés de fines gouttelettes ont un facteur de réflexion élevé dans les trois canaux, et sont
par conséquent blanchâtres, tandis que les nuages de neige et de glace sont de couleur bleu
cyan en raison du facteur d'absorption élevé de la glace dans le canal NIR1.6 (moins de signal
en couleur rouge). Le sol nu apparaît de couleur brune en raison du facteur de réflexion plus
élevé dans le canal NIR1.6 que dans le canal VIS0.6, et l'océan apparaît en noir en raison du
faible facteur de réflexion dans les trois canaux.
Donc dans notre image météorologique, le nombre de classes est cinq : deux classes
représente le ciel nuageux, et trois classes représentent le ciel clair.
Classe1 : végétation.
Classe2 : sol nu.
Classe3 : océan.
Classe4 : nuage d'eau.
Classe5 : nuage de glace.
57
Implémentation et résultats
L’ensemble de surface de nourriture dans ABC est représenté par notre image satellitaire
météorologique 220*200 pixels en couleur sur 8 bits avec une intensité des valeurs dans
l'intervalle de 0 à 255, où chaque pixel représente une possibilité d’une source de nourriture
(pixel nuageux).
L’algorithme ABC est un algorithme basé sur la population, la position d'une source de
nourriture représente une solution possible au problème d'optimisation et la quantité de nectar
d'une source de nourriture correspond à la qualité (forme physique) de la solution associée.
Dans notre cas, la solution possible représente les coordonnées du pixel et la qualité (forme
physique) représente la classe du pixel.
Dans notre modèle d'ABC, la colonie d’abeilles artificielles se compose de trois groupes
d'abeilles : les Scoutes, les Sélectionnées et les abeilles Recrutées.
1- Les abeilles Scoutes (S) recherchent autour de la ruche pour trouver de nouvelles sources
alimentaires (un nouvel pixel);
2- Les abeilles Sélectionnées (L) emportent avec eux les informations sur leurs sources de
nourriture :
- sa distance et direction de la ruche (les coordonnées (i, j) du pixel),
- et la qualité de nectar de la source (la classe du pixel).
3- Les abeilles Recrutées (R) restent en attente dans la ruche, et trouvent une source de
nourriture par le biais de l'information partagée par les abeilles Sélectionnées à travers la
danse (phase de rétroaction).
Dans sa version de base, l'algorithme (ABC) effectue une sorte de recherche à voisinage
combinées à la recherche aléatoire :
- La recherche aléatoire : correspond à la recherche d’un nouvel pixel dans notre image
satellitaire.
58
Implémentation et résultats
Les deux comportements clés dans ABC sont : le recrutement d'une source de nourriture, et
l'abandon d’une source :
Si le pixel étudié est un pixel nuageux ceci provoque un recrutement ; sinon si le pixel est un
pixel clair ceci provoque un abandon de ce pixel.
Les coordonnées du pixel étudié (i, j) et les k pixels voisins sont indiqués dans la Figure 5.3.
i+1
i-2
i-1
59
i-2
-a- -b-
a : rétroaction positive
b : rétroaction négative
On suppose qu'il y a seulement une abeille Sélectionnée pour chaque pixel nuageux, en
d'autres termes, le nombre d'abeilles Sélectionnées dans la colonie est égal au nombre total
des pixels nuageux. Les abeilles Sélectionnées revient à la ruche et dansent sur ce secteur, les
Recrutées observent les danses des abeilles Sélectionnées et choisissent des pixels selon les
danses.
Au cours de la danse on a des informations sur les coordonnées et la classe du pixel. Par
l'observation de la danse, chaque Recrutée recherche dans la zone de voisinage afin de
générer une nouvelle solution potentielle. Et puis, le critère de recrutement ou de l’abandon
est de nouveau appliqué pour cette Recrutée :
- Si le pixel n’est pas une bonne source de nourriture (pixel clair), le pixel devrait être
abandonné et sera remplacé par un nouvel pixel (cette Recrutée devient une Scoute);
- Sinon il sera annoncé dans la danse et d’autres abeilles Recrutées seront choisies pour cette
nouvelle source (cette Recrutée devient une Sélectionnée).
60
Implémentation et résultats
Chaque abeille Scoute est déplacée sur une source de nourriture (pixel) :
- Si le pixel est nuageux alors :
- L'abeille Scoute devient Sélectionnée,
- Elle mémorise les coordonnées de ce pixel,
- Elle partage l’information sur les coordonnées et la classe de ce pixel, par le biais de
la danse, avec les Recrutées qui l’attendent dans la ruche.
- Sinon elle revient dans la ruche pour une nouvelle recherche.
Chaque abeille Recrutées est déplacé sur le voisinage du pixel informé par les Sélectionnée
durant la danse (phase de rétroaction) :
- Si le pixel de la nouvelle source est nuageux alors :
- L'abeille Recrutées devient Sélectionnée,
- Elle mémorise les coordonnées de ce pixel,
- Elle partage l’information sur les coordonnées et la classe de ce pixel, par le biais de
la danse, avec les Recrutées qui l’attendent dans la ruche.
- Sinon elle revient dans la ruche pour une nouvelle recherche.
Si le montant d’un pixel nuageux (eau) est beaucoup plus significatif en comparaison avec
d'autres pixels nuageux (glace), cela signifie que ce pixel est choisi avec plus de Recrutées
que les autres pixels (rétroaction positive).
61
Implémentation et résultats
Début
Population initiale
Non
Critère
d’arrét
Non
Oui
Fin
62
Implémentation et résultats
Le processus de recherche pour découvrir les meilleures solutions par les abeilles artificielles
peut être résumé comme suit :
- Dans l'étape 2, calculer la fitness de chaque abeille Scoute en utilisant la formule suivante :
Où :
fit (i) : Représente la fonction de fitness de l’abeille i
xij : Le pixel c (i , j)
Ck : La classe k
d : Distance normalisée quelconque
- À l'étape 4 : Selon la fonction de fitness fit (i) et la probabilité P (i) , les abeilles qui ont
visité les pixels nuageux, sont choisies comme abeilles Sélectionnées et les pixels visités sont
choisis pour la recherche de voisinage pour générer des nouvelles solutions. Suivant la
formule suivante :
P(i) 1/ fit(i)
SN
(1/ fit(n))
n1
Où :
i : Pixel nuageux
P (i) : La probabilité associée à l’ième source de nourriture
fit (i) : Représente la fonction de fitness
SN : Représente le nombre de source de nourriture qui est égal au nombre des abeilles
Sélectionnées
63
Implémentation et résultats
- Puis dans l’étape 5, l'algorithme dirige les recherches dans le voisinage des “e“ pixels
classés (phase de rétroaction), en attribuant plus d'abeilles Recrutées pour la recherche à
voisinage des meilleurs “e“ pixels (R+).
Ce recrutement différentiel est une opération clé de l'algorithme ABC.
Chaque abeille Sélectionnée produit des nouvelles solutions potentielles dans le voisinage de
la solution courante.
Par exemple pour la taille de voisinage (3x3) on a la formule (a) pour R+ et (b) pour R :
x1 y1
ix c(i, j) c(x, ............................................................... (a)
y)
jy1
1
x 1 y 1
c (i y) c (x j) 2 c (x y) …...........................................(b)
i x
, jy , ,
1
1
- Toutefois à l'étape 6, seules les abeilles Recrutées qui représentent les meilleurs pixels
significatifs seront Sélectionnées pour former la prochaine population d'abeilles.
- À l'étape 7, les abeilles Scoutes ou Recrutées qui n’ont pas trouvé des solutions reviennent
une nouvelle fois à la ruche pour former la prochaine population d'abeilles et seront affectées
pour rechercher de nouveaux pixels potentiels.
A la fin de chaque itération, la colonie aura deux parties à sa nouvelle population : Celles qui
représentent les meilleurs pixels significatifs et ceux qui ont été envoyés aléatoirement.
64
Implémentation et résultats
4. Résultats et discussion
Toutes les expériences ont été traitées sur un PC avec processeur Intel Pentium Dual CPU
E2200 (2.20 GHz) avec 2 Go de mémoire, et exécuté avec C++ Builder 6 sous Microsoft
Windows XP SP2.
Afin de régler les Paramètres d’ABC, des différentes valeurs ont été testées, et les meilleures
sont prises en compte.
Afin d'évaluer la performance de notre projet de classification non supervisé basée sur
l’algorithme ABC, nous avons utilisé des images recueillies par le satellite météorologique
géostationnaire Météosat-9 (dans les trois canaux : NIR 1.6 µm, VNIR 0.8 µm, VIS 0.6 µm)
du jeudi 31 mars 2011 à 9h00, avec une dimension de 220*200 pixels, sur 8 bits en couleur
avec un intervalle de 0 à 255.
Tout d'abord, les groupes de pixels sont obtenus par l'algorithme ABC. Chaque pixel de
l'image satellitaire est considéré comme une possibilité d’une source de nourriture de
l’algorithme ABC. Donc, le nombre total des meilleures sources de nourriture (e+me) dans
l'algorithme ABC est égal au nombre total de pixels nuageux dans notre image satellitaire
météorologique.
Les groupes obtenus par l'algorithme ABC sont en outre classés en cinq, lors de la
classification, d'abord il y’a trois classe qui représentent le ciel clair et deux classes de ciel
nuageux qui représentent notre deux types de nuages (nuage d’eau et nuage de glace).
L’évaluation de l'exactitude est une étape importante dans le processus de classification. En
classification non supervisée, plusieurs indices de validités connus sont disponibles dans la
littérature. Dans notre application nous allons utiliser les trois indices :
- La première fonction est l’erreur quadratique moyenne, c’est la plus couramment utilisée
pour mesurer la compacité des groupes, la fonction est défini par l’équation suivante :
E ( d (xi , uk )) / N
i k
65
Implémentation et résultats
D'abord, chaque x pixel de l'image entière est attribué à l’individu le plus proche, voir
n
équations :
ukn xn xn u
uk j 1 k,j k,j k,1 n N
1;
0;
xn : n ieme objet.
x
N
Moyenne : (u ik )xi
xi X k
i
1kK
vk i1
N
M
(u
i 1
ik ) k
Ecart type :
1/ 2
sk 1 xi vk 1k K
Mk xi X
k
d kj v v 1 k, j K , j k
k
j
Par la suite, la valeur Rest calculée pour chaque classe comme indiqué dans l'équation :
66
Implémentation et résultats
Sk S j
Rk max 1kK
j k d
kj
67
Implémentation et résultats
Ainsi de faibles valeurs du DB sont indicatives de la présence des groupes compacts et bien
séparés.
dmin min
k , j 1..K ,k j
d
kj
K N 2
u xi vk
ik
Donc, une grande valeur de cet indice indique une forte séparabilité des groupes.
68
Implémentation et résultats
La performance de l’algorithme ABC est influencée par un certain nombre de paramètres, tel
que : le nombre de Scoutes, la taille de voisinage, le nombre d’itérations,…etc.
Dans ce qui suit nous étudierons l’influence de ces différents paramètres sur la performance
de l’algorithme afin d’évaluer leur contribution à la classification non supervisée, à la
fonction objectif et au temps d’exécution.
On a choisi donc la fonction Euclidienne comme une mesure de similarité pour le reste des
tests.
Afin d’étudier l’influence du nombre de Scoute sur la performance de ABC, cette dernière a
été exécutée avec un nombre de Scoute différent.
Les figures ci-dessous illustre l’effet du nombre de Scoute sur la qualité de la classification
pour la minimisation de E, DB et la maximisation de XB .
E
20,7
20,6
20,5
20,4 E
20,3
20,2
20,1
20
19,9
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
1
5
9
D’après la Figure 5.5 le nombre de Scoute optimum est 33, 34 qui minimise E pour une
valeur de 20,20357.
69
Implémentation et résultats
DB
0,9
0,898
0,896
0,894
0,892 DB
0,89
0,888
0,886
0,884
0,882
0,88
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
1
5
9
D’après la Figure 5.6 le nombre de Scoute optimum est 49, 50 qui minimise DB pour une
valeur de 0,886440.
XB
6
4
XB
3
0
13
17
21
25
29
33
37
41
45
49
53
57
61
65
69
73
77
81
85
89
93
97
1
5
9
D’après la Figure 5.7 le nombre de Scoute optimum est 42, 51, 52, 53, 54, 55, 78, 79, 80, 81,
82 qui maximise XB pour une valeur de 4,95928.
70
Implémentation et résultats
L’algorithme de classification proposé a été déroulé avec un nombre d’itérations variant entre
10 et 100. On a effectué trois tests pour les trois fonctions objectifs.
- Test 4.1 : E
- Test 4.2 : DB
71
Implémentation et résultats
- Test 4.3 : XB
Remarque :
D’après ces trois figures (Figure 5.8, Figure 5.9, Figure 5.10) on constate que la qualité de la
classification en utilisant la fonction DB est inférieure par rapport à la qualité de la
classification en utilisant E, XB .
On constate que la convergence de notre algorithme vers la bonne solution est rapide
(convergence au bout des 25 itérations avec un temps de 10 seconde) ainsi qu’une stabilité
des résultats, ce qui rend l’algorithme moins gourmand en ressources matérielles.
72
Implémentation et résultats
Nous avons appliqué ABC proposé avec 25 itérations dans une image satellite météorologique
avec un nombre de Scoute égal à 33. On a fixé les paramètres d’ABC comme suit :
- Kmeans - - ABC -
73
Implémentation et résultats
Dans la Figure 5.11 nous pouvons voir les résultats de ESA, Kmeans, et les résultats de notre
algorithme ABC. On remarque que notre approche d’ABC offre de meilleurs résultats par
rapport à la méthode classique kmeans, et des résultats presque similaires à ESA à part
quelques confusions des pixels.
Afin d’évaluer l’efficacité de l’algorithme proposé, nous avons comparé nos résultats avec les
résultats de la classification par ESA, l’histogramme suivant illustre une comparaison entre
ABC et ESA :
Les résultats d’ABC sont obtenus durant 25 itérations avec un temps d’exécution de 10s, alors
que celle d’ESA 20 itérations avec 1s.
On remarque que les résultats de ESA est presque au même point d’égalité avec ABC, en
nombre d’itération (au bout des vingtaines). Néanmoins la qualité de la classification par ESA
en consommation de temps d’exécution est meilleure que celle de ABC (1s pour ESA, par
contre ABC 10s).
Figure 5.12 : Histogramme des résultats obtenus par ESA à gauche et ABC à droite.
74
Implémentation et résultats
5. Conclusion
Dans le travail ici présenté, nous nous sommes focalisés sur le développement d'une méthode
de classification non supervisée des images satellitaires météorologiques, l'ensemble du
travail est basé sur l’algorithme Artificial Bee Colony.
Notre application est réalisée sur les données satellitaires, d'origine du Météosat-9, Cinq
classes ont été distinguées sur la région. Bon nombre des types de nuages sont identifiés
beaucoup plus clairement lorsque l'algorithme proposé est utilisé.
L’indice E a été utilisé comme fonction objectif et il nous a fourni également un mécanisme
permettant de comparer les résultats avec d'autres paradigmes de classification non
supervisée.
La vitesse rapide de la classification de notre image doit à l'algorithme ABC, qui a une
performance exceptionnelle de convergence. Cependant, comme un nouvel modèle méta-
heuristique en intelligence par essaim, l'algorithme ABC est encore faible en mathématiques
quant à la classification d'images discutées dans cette étude, et certains paramètres de contrôle
doivent être ajustés. Ces paramètres ont une influence directe sur la vitesse et la stabilité de la
convergence.
Les résultats obtenus se sont révélés globalement meilleurs que ceux des algorithmes de
classification non supervisée classiques (kmeans) et presque similaires à d’autres algorithmes
dédiés à la classification non supervisée (ESA).
75
Conclusion générale et perspectives
Dans ce travail, un algorithme d'optimisation est basé sur le comportement intelligent des
abeilles a été décrit. Le nouvel algorithme est très simple et très souple par rapport aux
algorithmes bio-inspirée existants. Il est également très robuste, au moins pour le test de
problèmes considérés dans ce travail.
L’approche que nous avons utilisé est basée physiquement sur la classification non
supervisée et permet effectivement d’utiliser aisément des bases de données de la
télédétection (satellite météorologique). Du fait que nous prenons appui sur ces données
(image satellite météorologiques) pour développer notre méthodologie, celle-ci peut être
appliquée à une grande diversité de base de données (terrestre ou océanographique).
En conséquence, des images bruitées influent sur l'efficacité de cet algorithme. Elle est causée
tout changement dans l'intensité du pixel comme le bruit, affecte de manière significative les
résultats de la classification. Certains travaux ont été réalisés pour pallier cet inconvénient.
Les résultats obtenus on été comparés avec les méthodes dédiées à la classification non
supervisée tel que kmeans, et une autre méthode propre à l’Agence Spatiale Européenne. La
performance de ABC est nettement supérieure à Kmeans, et avec une légère infériorité par
rapport à ESA.
L’algorithme ABC présente l’avantage d’une convergence rapide et d’une population de taille
réduite en espace mémoire. Il est important de noter que l’algorithme ABC, comme tout
algorithme d’optimisation est influencé par des facteurs qui doivent être bien étudiés et
sélectionnés avec attention.
Nous tenons à souligner que, comme toutes les techniques de classification, la méthode
proposée ABC est appropriée pour de simples images satellitaires météorologiques (la
différence entre les pixels nuageux et clairs dans notre cas). Cependant, le contenu de la
plupart des images satellitaires réelles est complexe et diversifié. Il est nécessaire pour nous
de payer plus d'attention à de multiples paramètres et d'autres nouvelles fonctions dans les
futurs travaux.
Il reste encore à résoudre quelques problèmes numériques, et de tester cet algorithme sur
d’autres données satellitaire terrestres.
Une étude plus approfondie du comportement des abeilles peut apporter aussi des résultats qui
peuvent influencer d’avantage sur la qualité de la classification.
Bibliographie
[NET01] http://tpouchin.club.fr/chapitre1/rem.htm.
[NET02] http://www.cite-science.fr.
[NET03] http://owl-spip.ch/spip.php?article735.
[NET04] http://www.tiger.esa.int/training/Introduction-teledetection.pdf.
[NET05] http://www.geographiedijon.fr/IMG/pdf/image_sat_poly_2.pdf.
[NET06] http://lasig.epfl.ch/enseignement/cours/geoinfo1/Imagerie%20&%20TD.pdf.
[NET07] http://fr.wikipedia.org/wiki/Traitement_d'images.
[NET08] http://fr.wikipedia.org/wiki/Segmentation_d%27image.
[NET09] http://www.rncan.gc.ca/sciences-terre/limite-geographique/teledetection/fondements/1039.
[NET10] http://fr.wikipedia.org/wiki/M%C3%A9t%C3%A9orologie.
[NET11] http://fr.wikipedia.org/wiki/Pr%C3%A9cipitation.
[NET12] http://zebulon1er.free.fr/Les%20nuages.html.
[NET13] http://fr.wikipedia.org/wiki/Pluie.
[NET14] http://fr.wikipedia.org/wiki/Satellite_m%C3%A9t%C3%A9orologique.
[NET15] http://fr.wikipedia.org/wiki/Radar_m%C3%A9t%C3%A9orologique.
[NET16] http://fr.wikipedia.org/wiki/Pr%C3%A9vision_m%C3%A9t%C3%A9orologique.
TM_DONC_FIDL_11-12.pdf.
[NET18] http://tecfa.unige.ch/tecfa/teaching/UVLibre/0001/bin35/abeilles/abeilles.htm.
[NET19] http://fr.wikipedia.org/wiki/Karl_von_Frisch.
[NET20] http://zebulon1er.free.fr/danse%20abeille.htm.
[NET21] http://en.wikipedia.org/wiki/Bees_algorithm.
[NET22] http://en.wikipedia.org/wiki/Artificial_Bee_Colony_Algorithm.
[JLM07] Jose Luis MACOR, Développement de techniques de prévision de pluie basées sur
les propriétés multi-échelles des données radar et satellites, Thèse se Doctorat, Champs-sur-
Marne, 2007.
[KAR05] D.Karaboga, An Idea Based On Honey Bee Swarm for Numerical Optimization,
Department 2005.
[KAR,LAB02] Kariche Ismahane, Labed Kaouther, Application des algorithmes génétiques à
[KER] Claude Kergomard, Professeur Ecole Normale Supérieure Paris, la télédétection aéro-
[SAI09] Saidi Soumia, La compression des images satellitaires par la méthode JPEG, PFE
[STD96] TD.Seeley, The Wisdom of the Hive: The Social Physiology of Honey Bee
[VFK76] K.Von Frisch, Bees: Their Vision, Chemical Senses and Language. (Revised edn)
La météorologie a pour objet l'étude des phénomènes atmosphériques tels que les
nuages, les précipitations ou le vent dans le but de comprendre comment ils se forment et
évoluent en fonction des paramètres mesurés. Beaucoup reste à faire pour comprendre et
paramétrer les phénomènes météorologiques, les équations qui régissent l’atmosphère sont
complexes et les données sont difficiles à obtenir dans certains cas. Les pays en
développement vont tirer des avantages considérables de l’utilisation de techniques de
télédétection, ces avantages seront manifestés dans divers domaines tels que les prévisions
saisonnières et interannuelles et les alertes. Les champs de nuages et de précipitations
demeurent les champs les plus difficiles à simuler pour les actuels modèles de prévision
météorologiques, différentes méthodes statistiques de traitement des images satellitaires ont
été développées pour combler ce déficit de prévision ; Dans ce cadre, nous avons proposé une
nouvelle méthode d’optimisation bio-inspirée ABC (Artificial Bee Colony) qui est basée sur
le comportement des abeilles pour la recherche de nourriture. Nous avons discuté à la fois
théoriquement et pratiquement comment l’algorithme de colonie d’abeille artificielle, et les
données correspondantes (satellite météorologique) pourront être utilisés pour définir de
nouvelles techniques de classification des images satellitaires pour réaliser une prévision
météorologique.