In niti à E ati ENV on VI
Transcription
In niti à E ati ENV on VI
www.GE‐eau.o w org In nitiation E VI à ENV 29 9, 30 No ovembbre au 1 Décem mbre 22010 Bobo‐Dioulassso www.GE‐eau.o w org In nitiation E VI à ENV 29 9, 30 No ovembbre au 1 Décem mbre 22010 Bobo‐Dioulassso R Rédigé par A. A Midekor (Observatoi ( re de l’Eau *) & J. J Wellens (G GEeau) R Réalisé sur financementt de l’APEFEE (Associatio on pour laa Promotion n de l’Education et de laa Formation nà l’E Etranger) dans le cadre e du projet ‘Renforcem ment sttructurel de e la capacité é de gestionn des ressou urces en eaau pour l’ag griculture da ans le bassiin du Kou’. __ __________ ______________ * [email protected] Table des matières 1 2 3 4 5 6 Notions de télédétection ENVI Zoom Exploration d’images Classification non-supervisée et supervisée Analyse temporelle Classification par arbre de décision Formation ENVI 1 4 9 30 60 71 i ii Formation ENVI Chapitre 1 Notions de télédétection Origine Le terme de “Télédétection” (Remote sensing) a été utilisé pour la première fois, en1960 par Mme Evelyn L. Pruitt du bureau de la recherche navale des Etats-Unis, pour regrouper la photographie aérienne, l'obtention d'images par satellite, ainsi que d'autres formes de collecte de données à distance. La technique de la télédétection remonte au XIXème siècle. La mise au point de la photographie en 1839 par les français J. Daguerre (1787-1851) et Joseph Nicephore Niepce (1827) a donné naissance à la photogrammétrie (technique permettant de réaliser des mesures spatiales à partir de photographies ou d’autres types d’images) En 1957, avec le lancement réussi des satellites en ex-Union Soviétique puis aux Etats-Unis en 1958, avec en particulier, le satellite Landsat de la NASA (Etats-Unis) en 1972, l'ère d’utilisation paisible et d'application civile des techniques de télédétection est inaugurée. Depuis lors, divers capteurs optiques, des radars, mais également une variété de plates-formes, telles que le ballon, l'avion et le satellite ont été développés pour différentes applications. La télédétection a été ensuite largement appliquée dans de nombreux domaines : cartographie, géographie et géologie, inventaire des ressources naturelles, suivi de l'environnement, étude sur l'utilisation des sols, estimation de la productivité agricole, prévisions météorologiques, études sur l’atmosphère et l'océan, détection militaire, etc. Définition La télédétection est la technique qui, par l'acquisition d'images, permet d'obtenir de l'information sur la surface de la Terre sans contact direct avec celle-ci. La télédétection englobe tout le processus qui consiste à capter et à enregistrer l'énergie d'un rayonnement électromagnétique émis ou réfléchi, à traiter et à analyser l'information, pour ensuite mettre en application cette information. Elle est habituellement définie comme la science, la technologie ou l'art d'obtenir à distance des informations sur des objets ou des phénomènes. C'est l'utilisation à distance (par exemple, d'un avion, d'un engin spatial, d'un satellite ou encore d'un bateau) de n'importe quel type d'instrument permettant l'acquisition d'informations sur l'environnement. On fait souvent appel à des instruments tels qu’appareils photographiques, lasers, radars, sonars, sismographes ou gravimètres. L’on distingue en général les moyens de télédétection ‘active’ et ‘passive’ : - Télédétection passive : enregistrement du rayonnement naturel, fourni par la lumière ou la chaleur, qu’il soit émis, réfléchi ou réfracté (ex : photographies aériennes) du paysage éclairé Formation ENVI / Notions de télédétection 1 u soleil ains si que certtaines image es satellitaiires commee SPOT, LA ANDSAT, par la lumière du IKONO OS,…. - Télédé étection acttive : enreg gistrement du rayonne ement que réfléchit r l’oobjet ou le paysage ‘illumin né’ par l’opérrateur (ex : images radaar). Priincipe La méth hode d'acqu uisition utilis se normalem ment la messure des ray yonnements électromag gnétiques émis ou réfléchis des d objets étudiés é danss un certain domaine de e fréquence (infrarouge e, visible, micro-on ndes). Ceci est rendu possible paar le fait que q les objjets étudiéss (plantes, maisons, surfacess d'eau ou masses d'air) émette ent ou réflléchissent du d rayonnem ment à différentes longueurrs d'onde ett intensités selon leur éttat. Le princ cipe de la télédétectio t on repose d donc sur l'a acquisition de d signaux de radiatio on ou de réflexio on de l'obje et, par exem mple, l’utilisaation des so ols, par un capteur à d distance installé sur différen ntes plates--formes (te elles que l' avion, le satellite) en n utilisant lles bandes visibles, infrarou uge et micro o-onde. Ré éflectance ssolaire La réfle ectance solaire se défin nit comme le e rapport en ntre l'énergie solaire rééfléchie et l'énergie solaire iincidente su ur une surfa ace (Energie e Solaire Réfléchie / Energie E Solaaire Incidente). Par exemple e, une réflec ctance de 10 00% signifie e que la surrface en que estion réflééchit toute l'énergie solaire d dans l'atmossphère et n'en absorbe aucune frac ction. Pro ocessus de télédétection A) Sourrce d'énergie ou d'illumination : À ll'origine de tout proces ssus de téléédétection se s trouve nécessairement une e source d'én nergie pour illuminer la cible. B) Rayonnement et atmosphère : Durant sson parcourrs entre la source s d'énnergie et la cible, le rayonnement intera agit avec l'atmosphère e. Une seconde interac ction se prooduit lors du d trajet entre la cible et le capteur. c 2 Formation F ENVI / Notioons de téléd détection C) Inte eraction ave ec la cible : Une fois pa arvenue à la cible e, l'énergie e interagit avec la sur rface de celle-ci. La nature e de cette interaction n dépend des ca aractéristiques du raayonnement et des proprié étés de la su urface. D) Enrregistrement t de l'énerggie par le capteur c : Une fo ois l'énergie diffusée ouu émise par la cible, elle do oit être captée à distannce (par un capteur qui n'e est pas en contact avecc la cible) pour p être enfin enregistrée. e E) Transsmission, ré éception et traitement : L'énergie enregistrée e par le cappteur est tr ransmise, souvent par des moyens éle ectroniques, à une sta ation de réception oùù l'information est transforrmée en ima ages (numériques ou pho tographique es). F) Interrprétation et e analyse : Une U interpré étation visuelle et/ou numérique dee l'image tra aitée est ensuite nécessaire pour p extrair re l'informattion que l'on n désire obtenir sur la ccible. G) Application : La dernière étape é du prrocessus con nsiste à utiliser l'inforrmation exttraite de l'image p pour mieux comprendre e la cible, pouur nous en faire f découv vrir de nouveeaux aspects s ou pour aider à rrésoudre un problème particulier. Ob bjectifs et utilisations de la téléd détection L'objecttif principall de la téléd détection esst de cartog graphier les ressourcess terrestres s et d'en effectue er le suivi. Par P rapport aux techniqques de levé ée classiques, la télédéttection par satellite est préc cise et renttable, et permet d'obte enir des don nnées en te emps utile. LLa télédétec ction est utilisée pour la gesstion des re essources daans les domaines de la géomorphollogie, l’urbanisme, le n, l’agricultu ure, etc. climat, la végétation Le princ cipal avantag ge est que les observattions faites par télédét tection conttribuent à la a gestion intégrée e de l'enviro onnement ett des ressoources naturrelles, car l'environnem ment et toutt ce qu'il renferm me peuvent être ê observé és comme unn seul et mêm me système.. Par aille eurs, pour prrévoir certains phénomè ènes, des mo odèles numériques doiveent être mis s au point et validé és pour fournir une opiinion extrappolée des te endances fut tures. Les d données issu ues de la télédéte ection et de es observatiions in situ sont ensuitte entrées dans d des moodèles pour produire des prévvisions de la a situation ré éelle. Les appllications terrrestres de la télédéte ction sont donc d extrêm mement variéées et sont utilisées dans plu usieurs disc ciplines scie entifiques ttelles que la cartograp phie, l'agricculture, la géologie, l'hydrolo ogie, la météorologie ett l'océanogr aphie, la pro ospection minière, mais aussi la sur rveillance des culttures ou du couvert c fore estier, l’urbaanisme, l’amé énagement, le génie civiil, etc. De nomb breux logicie els de traitement d’imaage satellita aire existent t : ERDAS, E ENVI, etc… Ce cours se conce entre sur less fonctions de d base les plus utilisée es du logiciel ENVI. Formation ENVI / Notions N de télédétectio t on 3 Chapitr C re 2 ENVI E Z Zoom ENVI Zo oom est une e version sim mplifié d’ENV VI spécialem ment conçue pour affich her et manip puler plus facileme ent et plus efficaceme ent les imagges satellittaires, photo ographies aaériennes : outils o de zoom, c contraste, transparenc t ce, brillance e, projectio on et rééchantillonnagge des don nnées au vol,….Daans cette sec ction, vous allez a découvvrir les possibilités qu’of ffre ENVI Z Zoom pour visualiser v des donn nées géogra aphiques (ima age et vecte eur). Ou uvrir un fich hier dans EN NVI Zoom Démarre ez Envi Zoom m en cliquant sur l’icône e sur le bure eau : On peutt procéder de d deux maniières : #Cliqueez sur l’icônee Open (unee farde jaunee entre-ouveerte) #Puis nnaviguez jusqu’aux fichieers d’intérêtt et ouvrez les : C:\Form mation_ENVI I\Input\Kou u_19860116 C:\Form mation_ENVI I\Input\Kou u_20070110 0 Les imag ges apparaisssent dans le e Viewer d’E ENVI Zoom. Ou #Cliqueez sur File 4 → Open puis s naviguez juusqu’aux fich hiers d’intér rêt. Formation ENVI / EN NVI Zoom Intterface d’E ENVI Zoom A l’aide de la sectiion suivante e, découvrezz les possibiilités de vis sualisation qqu’offre ENV VI Zoom avec cess 2 fichiers images. Rép pondez aux qquestions posées à la suiite de cettee section. o p n anise de la m manière suiva ante : L’interfaace d’ENVI Zoom s’orga n Le vieewer: visualisation des données d géoographiques qui sont act tivées dans ll’onglet Laye er Mana ager du pann neau latéral ; o Les bbarres de menus m et d’o outils: accès aux fonctio onnalités d’E ENVI Zoom ; p Le paanneau latérral : résumé des images ouvertes. Ba arre de men nu 9 File : permet no otamment d’ouvrir d un ffichier, d’ac ccéder au Data D Manage ger, d’accéde er à des donné ées sur internet, de sauver unn fichier, de d démarre er ENVI eet de modifier vos préfé érences. Formation ENVI / ENVI E Zoom 5 nager du 9 Edit : commande la disposition et afffichage dess couches, via l’onglet Layer Man panne eau latéral (undo/redo, ( remove, ord der). 9 Display: permet d’activer le es options d de visualisation Portal, Blend,Flicke B er, Swipe. Un ‘Portal’ est u une petite fe enêtre qui vient s’ajoute er dans la fe enêtre du viewer princippal, et qui pe ermet de visuaaliser simulta anément plusieurs couch hes superpo osées. Le ‘Portal’ se préssente comme un bloc de do onnées indép pendant dans le Layer M Manager du panneau latéral. 9 Proce essing : dive erses opérattions à réalisser sur imag ge. 9 Help : l’aide. Ba arres d’outils 9 Data a Manager : liste et do onne des infformations sur s les fichiers précéd demment ouv verts, et perm met de les ch harger dans le Layer Ma anager. 9 Do / undo, selectt, crosshairs s, sauver la vue. 9 Outills de déplace ement (main n, vol) et de zoom (interactif ou aut tomatique). 9 Outills de créatio on et édition n vectorielle e (désactivéss en absence e de couche vectorielle)). 9 Outills de rotatio on de l’image e (interactiff ou automattique). 9 Optio ons de visua alisation simultanée de d différentes couches : Portal, P Blend d, Flicker, Swipe. S Un swipe e doublé d’un ne rotation continue estt du plus bell effet ! 9 Go T To : pour zoo omer sur de es coordonné ées (pixel, gé éographique es ou carte). 9 Brilla ance, Contra aste, Amélio oration de coontraste (méthode préd définie ou innteractive), sharpen, transsparence. Panneau latérral 9 Overrview: positionne l’étend e du viewer principal pa due de la vue ar rapport à l’étendue maximale m défin nie par le gro oupe d’image es actives daans le Layerr Manager. 9 Layer Manager: se compose e de 2 fardess ou ‘bloc de e données’ in ndépendant : a) L La farde La ayers perme et d’activer (show), d’orrganiser (ord der), suppri mer, zoome er sur les c couches. (Siimilaire à la table des m matières d’ArrcMap) ; b) L La farde Porrtals : voir ci-dessus. c 6 Formation ENVI / EN NVI Zoom or Value: donne d toute une sériie d’informa ation sur le pixel ‘séélectionné’ pour les 9 Curso diffé érentes couches appara aissant danss le viewer principal: nom n de la ccouche, sys stème de coord données de la l couche, co oordonnées du pixel(fichier, carte, géographiquues), valeur du pixel. Ex xercice Quelles différencess remarquez z-vous entre e les deux fichiers ? Com mment sont--ils structur rés ? L’ajout d d’un fichier vectoriel, active a les ouutils d’éditio on / création vectoriell e. Testez le es divers outils d d’édition / création. c Cr réez par ex xemple les ‘Zones d’occupation’. Ne sauvez pas vos modificaations. Accédez z aux inform mations attributaires d du fichier vectoriel. v Elles s’afficheent dans la fenêtre ‘Cursor Value’ du pa anneau latér ral lorsque vous sélectionnez une entité vectoorielle à l’aiide de la flèche d de sélection.. Nous alllons utiliserr à présent les fonctionns swipe et flirt pour comparer c l’im mage Lands sat de 10 janvier 2 2007 et une e image SPOT5 de haute e résolution datant du 11 janvier 20 007. #Ouvreez successivvement avecc ENVI Zoom m les fichierrs Kou_2007 70110 et SPPOT5_2007 71211 situés dans le réperrtoire C:\Formation_EN NVI\Input\. On obtie ent la présentation suivante : Formation ENVI / ENVI E Zoom 7 #Cliqueez successivement sur r les boutoons Portal, Blend, Flicker, Swipe pour obse erver les différen ntes modific cations. 8 Formation ENVI / EN NVI Zoom Chapitr C re 3 Explora E ation d’imag d ges de e téléd détecttion L’objecttif de ce cha apitre est de e: 1. Comprrendre la nature et le mode m d’organnisation de données d de télédétectio t on ; 2. Comprendre et dé éterminer le e comportem ment spectra al de quelques unités d’ooccupation du d sol ; 3. Comprendre et uttiliser l’histo ogramme bid dimensionne el pour une classificationn rapide de l’image ; 4. Calculler l’indice de d végétation NDVI à paartir de l’image Landsat t ETM 7+ et déterminer r les valeurs p prises par cet indice pour quelques unités de pa aysage. Pré ésentation d du logiciel RSI R ENVI ENVI esst un logicie el complet de e traitemennt d’images de d télédétec ction, optiquues et radar r. Toutes les métthodes de traitement d’images d de correctiions géomét triques et radiométriq ques, de classific cation et de e mise en page p cartogrraphique sont présente es. D’autress outils rela atifs à la visualisaation et à la a modélisatiion de donnnées topogra aphiques sont aussi dissponibles. Le e logiciel ENVI e est conçu en e langage IDL I (Interaactive Data a Langage) et e offre doonc des mo oyens de program mmation évoluée. Il a été é conçu et d développé par ITT Visua al Informatioon Solutions s. ENVI p permet d’e extraire ra apidement l'informatio on pertinen nte des im mages géos spatiales. L'ensem mble de sess outils et modules sppécialisés pe ermettent de d lire, expplorer, anallyser les donnéess et de parta ager l'inform mation. Avecc une interfa ace Windows, il est faciile d’utilisation. Le logiciel ENVI of ffre des fon nctionnalitéss des systèm mes de trait tements intteractifs de données numériques géocodé ées (données s satellitaire es, images numérisées, n cartes digittalisées,….). Avec ses options, Envi propose un enviro onnement d de traitemen nt, d’archiva age et de coonsultation d’images sur PC et de nomb breuses fonctions de ttransformattion pour SI IG. Des proogrammes de d liaison Import--Export perrmettent l’in ntégration d des donnéess avec d’aut tres logiciells fondamen ntaux de SIG, CA AO, DAO. Lancement d’E ENVI #Lanceez le logiciel par Démarrrer → Prog rammes →E ENVI #Ou doouble-cliquez l’icône d’Envi sur le buureau #Navigguez à traveers le menu principal p d’E nvi pour exa aminer les différents meenus et sous s menus disponib bles. Orrganisation d d’images de e télédétecttion Les imag ges de téléd détection sont en mode RASTER et fournies sous différentts formats. Certains sont propres aux satellites concernés c e et contiennent les don nnées brutees (SPOT, Landsat, Formation ENVI / Exploration E d’images 9 S,NOAAH, etc...), e d’auttres sont spé écifiques au ux logiciels de d télédétecction les plu us connus IKONOS (format LAN et img g d’Erdas, PC CI de PCI, B BIL d’ArcGIS S, etc...). Dans le mode RAST TER, l’espace e est divisé é en unités spatiales s élé émentaires. Cette unité é spatiale élémentaire est app pelée pixel (P Picture elem ment). La taiille en unités s de distancce de ce pixe el définit la résolu ution spatiale de l’image e. Un fichiier RASTER R peut être constitué d’’un ou plusie eurs plans. Une U image ccouleur en mode m RVB (Rouge, Vert, Bleu) contient tro ois plans de couleurs. En 8 bits, cha aque plan dee couleur correspond à des teintes varia ant de 0 à 255. 0 étaant du noir et 255 est t la couleurr pure (blan nche). La combinaaison de trois valeurs 0 pour chaque e plan produit une teinte e noire. Au ccontraire, un ne teinte blanche est produitte par comb binaison de trois valeu urs identique es de 255 pour les trois plans rouge, vvert et blanc c. Les imag ges satellite es peuvent contenir de e nombreux plans. Chaqu ue plan imagge correspond à une bande sp pectrale pré écise, c'est--à-dire à une e longueur d’onde dans la aquelle l’imaage a été acq quise. Les fich hiers raster utilisés dan ns des appliccations SIG G et de téléd détection nee contiennen nt pas un niveau d de couleur mais m des inf formations quantitative es mesurées s : rayonnem ment réfléc chi ou un signal rradar rétrodiffusé pou ur les imagges issues de la téléd détection paassive et radar, r la profondeur de la nappe n phréa atique pour les cartes piézométriq ques, l’altituude pour le es cartes topograp phiques. Selon les logic ciels, les ré éférences sp patiales son nt soient ennregistrées dans les entêtes de l’image (*.img de Erdas Imaginne, DEM) so oit dans un fichier sépaaré (le fichier *.hdr Header pour ENVI)). Une imaage de téléd détection es st le plus soouvent consttituée de plu usieurs coucches. Chaque e couche correspo ond à un intervalle de longueur d’’onde bien précis. p Pour r chaque pix xel de l’image, deux informattions sont disponibles et ne doive ent en en aucun a cas être ê confonndues : l’information couleur qui ne sertt que pour l’affichage et l’inform mation radiom métrique quui correspon nd à une mesure physique. Un logic ciel de télé édétection distingue d enntre ces de eux types d’informationns. Au contraire, un logiciel d de traiteme ent de photo os numérique es ne considère que l’inf formation coouleur. Une image de télédéte ection enreg gistrée sous s un format grand public (bmp, tiff f, jpg, gif, … …) ne contien nt qu’une informattion couleurr et perd don nc tout son iintérêt. Ou uverture d’u une image #Dans le menu prinncipal cliqueez sur File → →Open imag ge file #Navigguez jusqu’auu fichier C:\\Formation__ENVI\Inpuut\Kou_200001216. #Cliqueez sur Ouvriir. 10 Formation ENVI / E Exploration d’images Kou_20001216 est un extrait d’une image Landsat acquise le 16 décembre 2000. Il s’agit en fait d’une image corrigée géoréférencée dans le système de coordonnées UTM WGS 84. Cette image est constituée de 8 bandes avec les longueurs d’ondes correspondantes suivantes : Gamme de bandes (micro m) B1 : 0.45-0.52 Localisation spatiale Résolution (m) Swath (km) Bleu 30x30 185 B2 : 0.52-0.60 Vert 30x30 185 B3 : 0.63-0.69 Rouge 30x30 185 B4 : 0.76-0.90 Proche IR 30x30 185 B5 : 1.55-1.75 Moyen IR 30x30 185 B6 : 10.4-12.5 IR therm. TM 120x120 ETM+ 60x60 185 B7 : 2.08-2.35 Moyen IR 30x30 185 B8 : 0.50-0.90 Visible et proche IR 15x15 185 Application principale Pénétration des plans d’eau, cartographie des eaux territoriales Distinction de la végétation, évaluation de la vigueur et identification des différents types de cultures Absorption de la chlorophylle, et différenciation des espèces végétales Détermination des types de végétation et surveillance de la vigueur et de la biomasse, définition des limites des plans d’eau Indicateurs de végétation et d’humidité du sol utilisés pour la différenciation de la neige et des usages Analyse des contraintes de végétation, distinction de l’humidité du sol et cartographie thermique Identification des types de roches et de minéraux, cartographie hydrothermale et mesure de l’humidité du sol et de la végétation Image à la résolution plus élevée Source: WU, 2003; http://landsat.gsfc.nasa.gov/images/ La boîte de dialogue Available Bands List affiche le nombre de couches que constitue l’extrait de l’image Landsat de décembre 2000 et de l’information sur la projection de l’image. #Développez le + devant Map Info pour visualiser ces informations. Ici, on a donc 8 couches, nommées B10, B20, B30, B40, B50, B60, B70.La bande B_80 possède une résolution de 15mx15m, mais n’est pas dans la liste ci-dessus mentionnée. Formation ENVI / Exploration d’images 11 d l’image soont disponib bles : GrayS Scale (écheelle de gris)) et RGB Deux modes de vissualisation de (rouge, vert et ble eu). L’image résultante de ce dernier mode d’affichage eest dite com mposition colorée ou image en e fausse co ouleur du ffait que les bandes dis sponibles nee correspond dent pas réelleme ent aux couleurs primair res. Af ffichage en niveaux de gris #Cliqueez sur la bannde *_B30. #Choississez le modde d’affichage Gray #Cliqueez sur le Bouuton Load Band. B 12 Sca ale Formation ENVI / E Exploration d’images enêtres s’ouvvrent : la fenêtre princiipale Display y, le Scroll et e le Zoom. Trois fe é rouge sur la fenêtre Scroll S perme et de délimitter la zone géographiqu g ue qui s’affic chera sur Le carré la fenêttre Display ; et le car rré rouge d dans la fenê être Display y permet d de délimiter r la zone géographique qui s’a affichera sur la fenêtre e Zoom. Ces fenê duites à l’aid êtres peuvent être agra andies ou réd de de la souris. Le mode e de visualissation en niv veaux de griis n’affiche qu’une seule e bande. Le niveau de gris g varie entre 0 et 255. 0 correspon nd au noir et 255 au blanc. Plus s le pixel eest sombre,, plus sa réflectaance est faib ble. De la mê ême manière e que pour la a bande *_B B30, visualissez les autre es bandes (B B40, B20, ettc…20 et 10). #Cliqueez sur le boouton Displaay de la boîtte de dialoggue Availablee Bands Lisst puis New w Display (nouvelle e fenêtre) et e de nouvea au Load Band d. Essayer de trouverr la zone de e la Guingue ette. Dans le proche In nfrarouge, oon remarque e que les forêts aapparaissentt dans des teintes t gris es plus ou moins m claires s et inverseement dans les deux autres b bandes specttrales. Formation ENVI / Exploration E d’images 13 De gauche à droite : proche infrarouge, rouuge et vert. (B40, B30, B20) Af ffichage en vraies et fausses f couleurs : compposition colo orée L’affichaage en faussses couleurs s consiste à attribuer de es couleurs fictives aux x bandes spe ectrales. L’image résultante est dite com mposition coolorée et se e compose de d trois planns de couleu ur rouge, vert et bleu (RGB)). Par conve ention, on atttribue la couleur c roug ge à la band de spectrale e proche infrarou uge, la couleu ur verte à la a bande rougge et la couleur bleue à la bande verrte. #Valideez l’option RGB R dans la boîte b de diaalogue Availa able Bands List L #Puis aattribuez la couleur correspondantee à chacune des bandes : sélectionnnez d’abord le rouge, après cliquez sur la bande B40 et la bande apparaîtra derrière d le bouton b R. #Faitees pareilles pour p G et B en e utilisant les bandes B30 B et B20. #Puis ccliquez sur Load L 14 RGB. On O obtient l’é écran suivan nt. Formation ENVI / E Exploration d’images Dans un ne composition et comm me pour toutte image cou uleur, la for rmation de lla couleur est basée sur les trois coule eurs primair res Rouge, Vert et Ble eu. En mode dit synth hèse trichro omatique additive e, on part du u noir (absen nce de coule eur), on ajou ute dans des s proportionns variables les trois couleurss primaires pour forme er de la couuleur. Par exemple, e le blanc est fformé par les trois couleurss R, V et B à intensités maximales m (2 255). D’une manière géné érale, sur un ne compositiion colorée, les sols nus s apparaisseent dans des s teintes bleu claiir, l’eau danss une teinte e bleu foncé ou pratique ement noir, la végétationn herbacée en rouge clair, less forêts feu uillues en rou uge foncé ett les résineu ux dans des teintes rougge-noir. Il est iimportant de d signaler que ces re emarques so ont données s à titre inndicatif. Différents facteurss en particu ulier l’état d’humidité d d du sol et le e tapis herb bacé en forêêts peuven nt être à l’origine d’une forte e modificatio on de la réfl ectance du pixel. #Pour examiner lees valeurs des d pixels, cliquez dans la fenêtre Display ssur Tools → Cursor Location n/Value. Formation ENVI / Exploration E d’images 15 Une nouvelle fenêtrre s’ouvre. #Marquez avec le pointeur de la souris suur l’image et constater lee changemennt des valeuurs. Exemple e d’information fournie par p Cursor L Location / Value V : Disp: 5786 – 493 39 : coordon nnées du currseur en nom mbre de colonnes, nombrre de lignes. Scrn: R, G, B vale eurs couleur r du pixel. Ce es valeurs ne servent qu u’à l’affichagge. Proje ection : UTM M, Zone 30 Nord N : systè ème de proje ection. MAP : X, Y UTM du curseur en m. LL : L Latitude – Longitude L Data a : R, G, B : valeurs de la luminance e du pixel. #Cliqueez sur File de d la fenêtr re Available e Band List puis sur Close All Filees pour ferm mer tous les fichiiers ouvertss. #Quitttez complèteement ENVII à partir duu menu princcipal d’Envi en e cliquant ssur File → Exit. Sig gnatures sp pectrales Le but de cette section estt de déterrminer des profils spe ectraux de différente es unités d’occupaation du sol.. Il s’agit de e détermine er les différentes valeu urs de la lum minance (niv veaux de gris) pou ur chacune des d principales unités de e paysage : sols s nus, cultures, eau, fforêts, …. #Démaarrez ENVI. #Ouvreez l’image Koou_200701110 situé danss le répertooire c:\Formation_ENVII\Input. #Puis cchargez l’imaage en RGB. 16 Formation ENVI / E Exploration d’images #Dans le menu Toools de la fen nêtre Displa ay, cliquez su ur l’outil Spe ectral Pixel Editor : en sorte que l’écran soit organisé coomme ci-desssous en gliss sant les diffférentes fen nêtres : Faites e Formation ENVI / Exploration E d’images 17 #Ouvreez égalemennt le Pixel Lo ocator. xel Locator aller sur un e forêt (Guiinguette). A l’aide de l’outil Pix #Dans la boite de dialogue de Pixel ez pour Sample = 518 eet Line= 663. Locattor choisisse #Puis ccliquer sur Apply A pour se positionne er sur la forê êt de la Guin nguette. 18 Formation ENVI / E Exploration d’images #Utilissez la fenêtrre Zoom pouur bien local iser le curseeur sur l’image (+, -). #Une ffois, l’entitéé du paysage (Guinguettee) est choisiie, dans le menu m Edit dee la boîte de dialogue Spectra al Pixel Edittor, utilisez Extract 8 pixel avera age (ou 4, 2) selon les d dimensions de d l’unité afin d’ex xtraire une valeur v moye enne de la lum minance dan ns chacune des d bandes. e dans un grraphique du Spectral S Pix xel Editor. La signaature spectrale s’affiche Formation ENVI / Exploration E d’images 19 #Allez vers une suurface d’eau à l’aide du PPixel #De noouveau dans la fenêtre Spectral S Locato or (Eau de Suo), Samplee=415, Line= =365. Pix xel Editor cliquez Extra act 8 pixelss. Une deu uxième ligne s’ajoute. 20 Formation ENVI / E Exploration d’images #Répéttez maintenant l’opération pour solss nus et autrres minéraux (sols faibllement couverts) : Sample= =589, Line= =500 #Choississez Extraact 4 pixel average. a #Répéttez maintenant l’opération pour l’aggriculture (culture et prairies) en uttilisant Pixel Locator : Sample=4 489, Line= 389. #Choississez Extraact 2 pixel average. a Une foiss ces opérattions terminé ées, déterm minez pour ch hacune des unités u étudiéées, un prof fil type. #Cliqueez à l’aide duu bouton drooit de la souuris dans la fenêtre f grap phique pour afficher la légende en cliquaant sur le me enu Plot Key ys. ende s’affich he à droite de la graphi que. Une lége Formation ENVI / Exploration E d’images 21 #Dans le menu Ediit, cliquez suur Data Para ameters et donnez des noms thémaatiques à cha acune des courrbes. #Cliqueez dans la caase en face de Name ett donnez les noms convenables : - G Guinguette Eau (Suo) E Sols nus S C Cultures et prairies #Aprèss avoir channgé tous les noms cliquezz sur Apply pour appliquuer. 22 Formation ENVI / E Exploration d’images #Fermez Data Parrameters. On obtie ent comme graphique g : #Utilissez ensuite dans d le menu u File de la ffenêtre Spe ectral Pixel Editor l’opttion Save Plot As → Image F File. La boite e Output Plo ot to Image e File s’ouvre e. #Au nivveau de Outtput File Ty ype choisisse ez BMP. #Cliqueez sur le bo outon Choose e pour choissir le réperto oire et enre egistrez le f ichier sous le nom Signaturres_spect.b bmp dans C:\Formation_ _ENVI\Outtput. Formation ENVI / Exploration E d’images 23 #Insérrez ensuite cette c figure e dans un ficchier Microssoft Word. La figure suivante montre m quelq ques profils spectraux déterminés d sur s certainees entités du u paysage. On remarq que que les signatures s soont bien diff férentes dans les bandees 1 et 2. Ce es différen nces typique es pour ces occupations o nous aidero ont à classifiier facilemeent l’image. Bande 1 : R = proche in nfra-rouge Bande 2 : V = rouge Bande 3 ; B = vert #Quitttez ENVI Hisstogramme bidimension nnel et class sification L’histogramme bidim mensionnel exprime e la d distribution n de tous les pixels de l’image dan ns le plan constitu ué, par exem mple, par le rouge en ab bscisse et le e proche inf frarouge en ordonnée. Ces C deux bandes ssont celles où o on observ ve un contraaste importa ant entre les s différentees unités du paysage, comme c constaté dan ns les profils spectraux x. L’outil 2 2D scatter plot permett d’examine r la relation n entre les valeurs de ppixels dans les deux bandes ssélectionnée es et égalem ment la distrribution spa atiale dans l’image des ppixels dans n’importe n quel end droit du scattter plot. #Démaarrez ENVI. #Ouvreez l’image Koou_200701110 situé danns le répertooire C:\Form mation_ENV VI\Input\. #Puis cchargez l’imaage en RGB. 24 Formation ENVI / E Exploration d’images #Dans le menu Toools de la fen nêtre Displa ay, cliquez su ur l’outil 2D-Scatter Pllots. #Sélecctionnez B300 pour X et B40 pour Y,, et cliquez sur s OK. La boite e du Scatterr Plot appara ait. #Dans le Display, faites f bouge er le curseurr en gardantt le bouton gauche g enfooncé. Des poin nts rouges s’affichent dans d le Scattter Plot correspondant t aux valeurss de réflecttance Infra Ro ouge et Roug ge. #Cliqueez sur difféérents endrooits ou occuppations sur l’image et reemarquez leuurs positionss dans le Plot. Formation ENVI / Exploration E d’images 25 #Dans la fenêtre Scatter S Plott, utilisez l’ooutil Optionss → Density ySlice. Cette o option perme et d’affiche er la distrib bution des densités de e pixels danns le repèr re rouge, proche infrarouge. L’histogram mme affiche e la distribu ution des piixels de la fenêtre Dis splay. En changeaant la zone affichée da ans la fenêttre Display,, partie du rectangle rrouge dans le Scroll l’histogrramme va être aussi mod difié. #Désacctivez le Deensity Slice avant de pouursuivre. On va p positionner différentes s unités duu paysage sur le plan rouge, procche infrarou uge. Des exemple es de donnée es à utiliser à l’aide du PPixel Locatorr : Guing guette Sample=518, Lin ne=663 Eau Sample=413, Lin ne=366 Sample=589, Lin Sols nus ne=500 Agric culture Sample=489, Lin ne= 389 #Dans le menu Class → New Items I 1:20 0→…, choisisssez une cou uleur autre qque le blanc. #Cliqueez et faites bouger le curseur sur l e Zoom danss la zone de la Guinguettte. #Obseerver quelless zones se coolorent danss le Scatter Plot. #Ensuite, dans le Scatter S Plott, à l’aide de e la souris da ans la zone corresponda c ant à la Guinguette, tracez u un polygone en e cliquant à l’aide de laa souris (bou uton gauche)) de nombreeuses fois au utour d’une pe etite zone de e l’histogram mme bidimennsionnel. Faittes bouton droit d pour feermer le polygone. Remarqu uez que danss le Display et le Zoom, les zones ay yant les mêm mes caractééristiques sp pectrales que la Guinguette s’affichent en n vert. 26 Formation ENVI / E Exploration d’images Pour faire cette opé ération sur plusieurs p diffférentes zo ones : #Déplaacez la fenêttre du Zoom m vers une auutre région, faites-vous s guider par le Pixel Locator. #Dans le Scatter Plot, cliquez z Class → N New #Choississez une auutre couleurr pour chaque zone. Utilisez les outils Options O → Cllear Class oou Clear All pour efface er les classess indésirables. Remarqu uez les classsifications dans d le Displa ay : vert po our forêt, blue pour eau,, jaune pour sols nu et rouge e pour agricu ulture. Il est im mportant de rappeler qu ue l’outil 2D sscatter plott permet d’e examiner la rrelation entr re les valeurs d de pixels da ans de deux bandes séle ectionnées et également t la distributtion spatiale e dans l’image d des pixels da ans n’importte quel endrooit du scatter plot. Formation ENVI / Exploration E d’images 27 #Dans le menu Op ptions de la a fenêtre Sccatter plot,, cliquer sur r Mean all pour déterm miner les moyenne es dans les trois t bandes s de chaque zone de l’hisstogramme bidimensionn b nel. #Sélecctionnez le fichier f Kou_ _20070110 e et cliquez su ur OK. 28 Formation ENVI / E Exploration d’images er Plot Mean s’affiche iindiquant less moyennes dans les troois bandes. Une fenêtre Scatte #Comm me pour les courbes c issu ues de l’outi l Spectral Editor, E modifiez la légeende du grap phique et l’insérez z ensuite dan ns le même fichier f Worrd. #Quitttez Envi Formation ENVI / Exploration E d’images 29 Chapitre 4 Classifications d’images 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. 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. Il s’agit de la technique le plus rapide, mais le moins exact vu qu’il n’existe pas de contrôle avec des connaissances du terrain. Lors de l'utilisation d'une méthode de classification supervisée, l'analyste identifie des échantillons assez homogènes de l'image qui sont représentatifs de différents types de surfaces (classes d'information). Ces échantillons forment un ensemble de données-tests. La sélection de ces données-tests est basée sur les connaissances de l'analyste, sa familiarité avec les régions géographiques et les types de surfaces présents dans l'image. L'analyste supervise donc la classification d'un ensemble spécifique de classes. Les informations numériques pour chacune des bandes et pour chaque pixel de ces ensembles sont utilisées pour que l'ordinateur puisse définir les classes et ensuite reconnaître des régions aux propriétés similaires à chaque classe. L'ordinateur utilise un programme spécial ou algorithme afin de déterminer la ‘signature’ numérique de chacune des classes. Plusieurs algorithmes différents sont possibles. Une fois que l'ordinateur a établi la signature spectrale de chaque classe à la classe avec laquelle il a le plus d'affinités. Une classification supervisée commence donc par l'identification des classes d'information qui sont ensuite utilisées pour définir les classes spectrales qui les représentent. Il s’agit de la technique le plus rapide, mais le moins exact vu qu’il n’existe pas de contrôle avec des connaissances du terrain. Dans cette partie, on testera les différentes méthodes de classification des images. On commencera par l’image Kou_20001216. 30 Formation ENVI / Classification non-supervisée et supervisée Cla assificatio on non sup pervisée On distiingue deux méthodes m de e classificat ion non supe ervisée sous Envi : 9 La m méthode de e K-Mean : Regroupem ment des pixels p de l’image au centre de classes, régullièrement diistribués da ans l’hyperesspace, les plus probable es (statistiquues).Elle per rmet une analy yse régionale e des grands s types homoogènes de couvertures végétales. v 9 La méthode de classificatio c on non superrvisée en va aleurs égales s (Isodata) : Regroupem ment des pixels de l’image e aux centr res des classses, réguliè èrement distribués danns l’hyperesp pace, les plus p proches (disstance). Dé émarrer le llogiciel Envi et chargem ment du fic hier #Double-cliquez suur le raccourci d’Envi suur le bureau pour lancer l’applicationn. Ou #Cliqueez sur le meenu Démarreer → Program mme → Envi 4.5 →ENVI I #Dans le menu fichhier (File), sélectionnez s z la command de Open Image file La boite e de dialogue e Enter Data File Name es apparaît. #Navigguez jusqu’auu répertoiree ‘C:\Formattion_ENVI\input’ et sélectionner lee fichier ‘Kou_20001216_432 2’. #Charggez l’image de d la manière suivante : Bande 4 = Red, R Bande 3 = Green ett Bande 2 = Blue B Pour une e cartograph hie de l’occu upation du sool ; l’examen n de l’image permet de d détecter les s classes suivante es : Sols nus et autres miné 1. S éraux (couleuur bleu clairr, blanc) Sols faiblem 2. S ment couvertts (bleu-ver t) 3. C Cultures et prairies (rose) Surfaces d’eau libre (b 4. S bleu ou noir selon essen ntiellement la profondeeur et la nature des ffonds). Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 31 ge sombre). 5. Forêts (roug Cla assification ‘ISO data’ #Dans le menu prinncipal ENVI, cliquez surr Classificattion → Unsu upervised → Isodata. #Cliqueez sur le nom m de la comp position coloorée dans la boite de dia alogue Classsification #Laisseez les inform mations par défaut puiss appuyez sur OK. In nput file. Une autre boite de dialogue dén nommée ISO ODATA Parrameters app parait. #Nombbre de classes : 5 à 10 #Nombbre d’itératiions : 10 #Seuil ou critère d’arrêt d : 5% #Laisseez les autrees options paar défaut. 32 Formattion ENVI / Classification non-supeervisée et su upervisée gnifie que la classificaation par la méthode Isodata I estt terminée lorsqu’un Le seuill de 5% sig nombre de pixels ≤ 5% change de classe e entre les ité érations n-1 et n. Ceci ssignifie qu’un n nombre d’itératiions supérie eur n’apporte e qu’une légè ère améliora ation de la classificationn finale. Plus s ce seuil est petit plus la classsification est e précise. #Cliqueez sur le bouuton Choosee de Enter O Output filen name afin de e pouvoir nom mmer le fich hier. #Donneez le nom ‘ClassIso_Kouu_20001216’’ #Puis nnaviguez au répertoire r ‘C C:\Formatioons_ENVI\O Output’ et clliquez OK poour lancer la a classific cation. Le fichie er de classif fication appa arait dans A Available Ba ands List dans l’option G Gray Scale. #Sélecctionnez-le et e cliquez su ur Load pourr le charger.. On obtie ent l’image suivant s : Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 33 utre vue : Diisplay 2 Affichez égalementt la composittion colorée dans une au #Cliqueez sur RGB puis p charger r le fichier K Kou_200012 216de la faço on suivante : R : Band 4 G : Band 3 B : Band 2 #Choississez New D Display puis s cliquez surr Load. #Dispoosez les deuxx vues côte à côte de laa manière suuivante. 34 Formattion ENVI / Classification non-supeervisée et su upervisée #Utilissez l’outil Toools → Link → Link Dispplays pour déterminer d la a correspond dance entre e les couleurss et les classses. #Dans la boite de Link ys mettez toous les displlays sur Yes s et Dynamicc overlay su ur On. Display Affecte ez ensuite de es noms aux x classes. #Dans la fenêtre montrant m l’im mage classée e, cliquez su ur Tools → Colormapping C g → Class Color C Mapping g. Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 35 La boite e de dialogue e Class Color Mapping aapparaît. #Cliqueez sur la classe 1, compaarez la couleeur de la claasse et les coouleurs de l’’image classéée et l’image c composée (voire aussi diirectives pagge 31). Des locaalisations de es classes so ont présenté ées afin de vous v guider à partir du ppixel Locato or : Classse 1 : Classse 2 : Classse 3 : Classse 4 : Classse 5 : Classse 6 : Classse 7 : Classse 8 : Classse 9 : Classse 10 : Eau Solss faiblement couverts Forê êt Solss faiblement couverts2 Sava ane Solss nus Sava ane2 Sava ane3 Solss nus2 Cultu ures et prairies Sample=4114 ; Sample=58 85 ; Sample=52 21 ; Sample=60 03 ; Sample=59 95 ; Sample=6111 ; Sample=59 95 ; Sample=17 77 ; Sample=6110 ; Sample=47 73 ; Line =362 Line=5 500 Line= =656 Line=3 397 Line=7 740 Line= =406 Line=7 761 Line= =67 Line= =421 Line=3 355 #Ecrivez le nom dee la classe sous Classe N Name et tap per Enter po our confirmeer. #Sélecctionnez la classe c suivan nte et puis ccontinuez pour toutes les classes. une deuxièm Si une c classe est rencontrée r me fois, ajo outez à la classe un auttre indicate eur : par exemple e classe Sols faiblemen nt couvertss lorsque la classe est rencontréee une première fois, ensuite Sols faiblem ment couver rts2 lorsqu’e elle est renc contrée une deuxième foois. 36 Formattion ENVI / Classification non-supeervisée et su upervisée #Une ffois, l’affecttation est teerminée, cliqquez Optionss → Save ch hanges pourr valider. Combinaison d des classes #Dans le menu prinncipal ENVI Classificattion, cliquez sur Post Cla assification → Combine e classes. #La b boite de dialogue d Com mbine Classses ClassIso o_Kou_2000 01216 puis cliquez OK. Inputt File s’ouvre et ch oisissez le fichier C n non-superrvisée et sup pervisée Formation ENVI / Classificatio 37 ombine Classses Parame eters) s’ouvre. Une autre boite de dialogue (Co Remplisssez la boite selon les inf formations cci-dessous : Inputt class Unclaassified Eau Sols faiblement couverts Forêtt Sols faiblement couverts2 Savane Sols nus Savane2 Savane3 Sols nus2 Cultu ures et prairries → → → → → → → → → → → Output class Unclasssified Eau Sols faiiblement cou uverts Forêt Sols faiiblement cou uverts Savane Sols nuss Savane Savane Sols nuss Culturess et prairiess Cette é étape perme et de combiner plusieurrs classes. Dans notre cas ici les classes dén nommées ‘Unclasssified’, ‘Eau’, ‘Forêt’ et ‘C Cultures et pprairies’ ne seront s pas modifiées. m Mais la classe de ‘S Sols faiblement couvertts2’ sera ajo outée à la classe ‘Sols ffaiblement couverts’. c Les classses ‘Savane e2’, ‘Savane3 3’ seront ajjoutées à la a classe ‘Sav vane’; la clas asse ‘Sols nu us2’ sera ajouté à la classe ‘S Sols nus’. #Sélecctionnez ‘Eauu’ dans Selecct Input Cla ass et Selec ct Output Class, C et connfirmez par Add Combina ation. #Faitees pareil pour toutes les autres class dans Selecct Input Claass. #Attenntion de com mbiner par exemple e Savaane2 avec Savane S afin de d pouvoir coombiner ces s classes. 38 Formattion ENVI / Classification non-supeervisée et su upervisée #Une ffois terminéée, cliquez suur OK. La boite e de dialogue e Combine Classes C Outpput s’ouvre. #Retirez Emply classes (class ses vides) : Yes en cliquant sur les deux (2) flèèches. #Enreggistrez le résultat sous s le nom m Classiso_ _Kou_20001216comb d dans le ré épertoire C:\Form mation_Envi\ \Output. Le nouve eau fichier apparaît a dan ns la boite de e dialogue Available A Ba ands List. #Ouvreez-le dans un u troisième Display. Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 39 elle classific cation est la suivante : La nouve #Ouvreez la boite de d dialogue Class Color mapping à partir p de l’outil Tools → Colors Ma apping → Class Co olor mapping g de l’image classifiée. #Modiffiez les coulleurs d’afficchages des cclasses, par exemple ‘Eaau’ devient bbleu. 40 Formattion ENVI / Classification non-supeervisée et su upervisée Sttatistique de es classes #Dans le menu prinncipal ENVI Classificattion cliquez sur s Post Cla assification → Class Sttatistics pour calculer les sta atistiques de es classes. e de dialogue e Classificattion Input F File s’ouvre. La boite #Sélecctionnez le fichier f et cliiquez OK. #Dans la boite Staatistics Inpu ut File sélecctionnez de nouveau le fichier f et clliquer sur OK K. #Choississez toutess les classess en cliquantt sur le boutton Select All A Formation ENVI / Classificatio C n non-superrvisée et sup pervisée Items puuis cliquez su ur OK. 41 #Dans la boîte Com mpute Statiistics Param meters, cliqu uez sur OK. Les résu ultats statisstiques s’affichent comm me suite : 42 Formattion ENVI / Classification non-supeervisée et su upervisée y: Ou, Classs Distributiion Summary Unclaassified: Eau: Sols faiblement couverts: Forêtt: Savane: Sols nus: Cultu ures et prairries: 0 points (0.0 000%) (0.00 000 Meters² ²) 28,201 2 pointts (4.756%) (25,380,900 0.0000 Metters²) 188,452 1 poinnts (31.782% %) (169,606,800.0000 M Meters²) 26,884 2 pointts (4.534%) (24,195,600 0.0000 Metters²) 217,001 2 poinnts (36.596% %) (195,300,900.0000 M Meters²) 62,814 6 pointts (10.593%) (56,532,60 00.0000 Meeters²) 69,604 6 pointts (11.738%) (62,643,60 00.0000 Meeters²) Cla assificatio on Supervvisée – Pré éparation des donn nées #Fermez toutes lees images poour ne laisser que l’imagee Kou_20001216_432 oouverte. La classification sup pervisée se déroule en d deux étapes : 1) La première éttape consistte à sélect ionner des zones de l’image dont on connaît la vraie occupation du sol. s Ces zone es sont appe elées régionss d’intérêt : Regions of interest (R ROI). 2) Utiliser ensuite e ces zones comme réfé érences à la généralisatiion sur l’enseemble de l’im mage. Sé élection des aires d’enttrainement (Regions OffInterest) Il s’agitt de sélecttionner un minimum de e 30 pixelss spectralem ment repréésentatif de e chaque signaturre spectrale e identifiée précédemme ent. Cet éch hantillon, ou ‘aire d’entrrainement’ est e défini à l’écran n par la numé érisation d’u un ou plusieuurs polygones pour chaqu ue classe sp ectrale. Sur base des polygo ones ainsi définis, l’exttraction auto omatique de es valeurs dee pixels con ntenues à l’intérieu ur des poly ygones et le e calcul de leur moyen nne et écar rt-type prod duiront la signature s spectralle de chaque e classe à pa artir des 3 ccanaux de l’im mage Landsa at. Pour la représentattion cartogr raphique, less différente es classes spectrales s aassociées à un même taxon d’occupation du d sol doiven nt être regrroupées en une u seule cla asse. #Cliqueez sur Menuu Tools → Re egion of Intterest → RO OI Tool. e de dialogue e suivante s’ouvre. La boite Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 43 #Dans la boîte de dialogue RO OI Tool : Va lidez l’option Zoom. #Afficchez sur le même m écran,, la fenêtre principale et le zoom. #Choississez ensuitte une zone homogène ddans le zoom. A l’aide du Pixel Loc cator vous allez a créer d des régions d’intérêt d sur r les zones ssuivantes : Fo orêt (Guingu uette) Sample=52 21 ; Line= 65 56 So ols faibleme ent couvert Sample=58 85 ; Line= 50 00 Saavane Sample= 57 74 ; Line= 716 Eaau Sample= 4113 ; Line= 36 61 Ag griculture Sample= 57 77 ; Line= 66 60 La zone de la Guingu uette s’affic che claireme ent dans le zoom z : #Dans ROI Tool, double-cliqu d ez sur ‘Regioon1’ pour aff fecter un no om à cette zzone test. #Dans la zone de couleur c en fa ace du nom d de la zone test, changez z la couleur par défaut de l’outil de dessiin par un clic c droit sur la couleur afffichée. 44 Formattion ENVI / Classification non-supeervisée et su upervisée #Comm mencez alorss la délimitattion la prem mière zone te est : Forêt. #Dans la fenêtre Zoom, à l’a aide de clic -gauche de la souris, créez c un poolygone auto our d’une première zone de fo oret représe entative. #Pour tterminer le polygone, faaites 2 clics droit. On peutt répéter ce ette opératio on pour un ccertain nomb bre de polyg gones de cettte classe jusqu’à ce comme ROI que vouss jugiez avoiir un nombre e représentaatif de pixel « foret » enregistrés e I. #Pour aajouter une nouvelle claasse, cliquezz sur New Re egion. #Consttruisez petitt à petit voss ROI pour vvos 5 classess d’occupatioon du sol. #Pour la classe ‘Sools faiblemennt couvert’ ((Pixel Locatoor : Sample==585 ; Line==500). Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 45 #Pour la classe ‘Saavane’ (Pixel Locator : S ample=574 ; Line=716). # Pour la classe ‘Agriculture’ (Pixel ( Locatoor : Sample= =577 ; Line=6 660). # Pour la classe ‘Eaau libre’ (Pixxel Locator : Sample=413 ; Line=3611). #Une ffois toutes vos v ROI réalisées, sauve ez-les dans un fichier : File → Savee ROIs. #Cliqueez sur le bouuton Select All Items ppour sélectio onner toutes s les régionss d’intérêts.. 46 Formattion ENVI / Classification non-supeervisée et su upervisée #Cliqueez ensuite sur le bouton Choose e afin de donner d un nom n de sauuvegarde du u fichier ‘ROI_Ko ou_20001216’puis clique ez sur OK poour réaliser la sauvegard de. #Dans la boîte de dialogue RO OI Tool – cliqquez sur Of ff pour arrêt ter les sélecctions. Sttatistiques e et signature es spectrale es sur les R ROIs #Cliqueez sur le bouton Selectt All de la booite de dialo ogue Roi Tools pour sél ectionner to outes les classes. #Cliqueez sur le bouuton Stats. La boite de dialogue suiivante s’ouvrre. Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 47 #Cliqueez sur Selecct Plot puis Mean for A All ROIs. #Faitees un clic drooit sur l’imagge puis choissir Plot 48 Key pour afficher la légend de. Formattion ENVI / Classification non-supeervisée et su upervisée e: ende s’affich he à droite du graphique Une lége #Faitees un clic droit sur l’imaage et choississez Edit → Plot Para ameters pouur changer l’arrièrel plan noirr en blanc. Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 49 #Changgez Backgro ound (arrièr re-plan) noirr en blanc en e faisant un u clic droitt sur la couleur noir puis sur Item 1 :20 0 puis White e. #Faitees de même pour p changer le Foregroound (premie er plan) blan nc en noir. #Cliqueez sur Apply pour app pliquer les modifications puis fer rmer la boitte de dialo ogue Plot Parametters. 50 Formattion ENVI / Classification non-supeervisée et su upervisée Sé éparabilité d des ROIs #Dans la boîte de dialogue RO OI Tool cliquuez sur Men nu Options → Compute R ROIs separ rability. #Cliqueez sur Inputt file: Kou_220001216_4432. #Puis ccliquez OK. e de dialogue e suivante ap pparait: La boite #Cliqueez sur Selecct All Items s pour sélecctionner touttes les régio ons. #Cliqueez sur OK. Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 51 #Ou O Open Roi file e pour ouvrir r le fichier R ROI s’il n’estt pas encore e ouvert. Le résultat suivant s’affiche da ans un tableaau. Deux méthodes de mesure de e la séparab bilité entre les différentes classess sont donn nées. Les deux mé éthodes de calcul de la a distance sspectrale intterclasses fournissent f des statistiques qui varient e entre 0 et 2 : - < x < 1.0 : sé éparabilité très faible, 0 implique un ne confusion n totale entrre deux classes ; - < x < 1.9 : sé éparabilité faible ; - 1.9 < x < 2.0 : bonne séparabilité, 2 séparabilité é parfaite av vec aucun rissque de conf fusion. Une classse dont la séparabilité s é par rapporrt à une autrre est faible e doit être soit confondue avec celle-ci ou re-définiie. Par exem mple dans ce e cas : Forêt [W White] 109 points: p Sols faiblement couverts [Red] 175 poinnts: (2.0000 00000 2.000 000000) Savane [Green] 182 1 points: (1.99999988 ( 8 2.0000000 00) Agric culture [Blue e] 38 points: (2.000000 000 2.00000 0000) Eau libre [Yellow w] 25 points: (2.0000000 00 2.000000 000) Les vale eurs entre pa arenthèse so ont les valeuurs de séparrabilité obte enues par less deux méth hodes mentionnées ci-desssus. Explicattion : La forrêt a une sép parabilité paarfaite avec la les sols faiblement f ccouverts, l’agricultture, l’eau libre (valeur égale à 2). E Et une bonne e séparabilit té avec la saavane (valeur r comprise e entre 1,9 et e 2.0) En exam minant tous les résultats s, on a bonne e séparabilitté dans l’ens semble. On ppeut conclure que la classific cation a été bien faite. #Fermez tous les fichiers f et quittez q Envi . 52 Formattion ENVI / Classification non-supeervisée et su upervisée Cla assificatio on supervisée Réaliserr une classif fication supervisée d’unne image satellite sous-entend quee vous possé édez une très bon nne connaisssance de l’oc ccupation duu sol réelle de d la zone de d l’image à l’époque où l’image a été prisse. Cette co onnaissance peut venir de plusieurss sources : une enquêtte de terrain ou une photo-in nterprétatio on de l’image e à conditionn d’être suff fisamment sur s de votree jugement. Comme il n’y a pass eu d’enquêtte de terrain, vous aure ez recours à la deuxième e méthode. A partirr de votre co onnaissance de la régionn étudiée et de l’examen n de la compposition colorée de la zone à c classifier définissez la lé égende de laa carte. Identifiiez égaleme ent combien n de signatuures spectrrales différentes correespondent à chaque taxon de e la légende. En effet, une u occupatiion du sol te elle que ‘culture’ peut prrésenter différentes signaturres spectralles au mome ent de l’enr egistrementt de l’image, selon l’esppèce cultivé ée et son stade vvégétatif. Il I s’agit don nc de définnir autant de signatures spectraales qu’il ex xiste de es pour ch situation ns spectralement bien n différente haque occup pation du ssol. L’algoritthme de classific cation pourra ainsi traiter chaque siignature spe ectrale de manière m indéppendante. L’objecttif de la classsification supervisée ouu dirigée con nsiste à ratt tacher tous les pixels de d l’image à une c classe d’occu upation du sol identifiiée à priorii. Ainsi, sup ppose-t-on qque les statistiques calculée es sur des échantillon ns sélectionnnés à prio ori sont re eprésentativves des cla asses et suffisan ntes pour effectuer la discriminatio d on des pixelss. #Dans ROI Tool ->> Restore ROI On teste era les méth hodes suivan ntes : 9 M Minimum Disstance ; 9 M Mahalanobiss Distance; 9 P Parallelepipe ed; 9 M Maximum lik kelihood (ma aximum de v raisemblanc ce). Minimum Dista ance #Démaarrez Envi ett chargez lee fichier Kouu_200012166_432. #Charggez égalemeent le fichier de région d’intérêt déénommé Roi_Kou_2000 01216.roi siitué dans le réperrtoire C:\Fo ormation_En nvi\Output à partir de Tools → Ré égion of Intterest de la boite de dialogue e de ROI To ool, en cliquant sur File → Restore e ROIs. #Dans le menu prinncipal ENVI cliquez Classsification → Supervise ed → Minimuum Distance e. Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 53 #Dans la boite de dialogue suivante sélecttionnez le fiichier et cliqquer sur OK . Une autre boite de dialogue s’ou uvre. #Cliqueez sur Selecct All Items s pour sélecctionner touttes les régio ons d’intérêtt. #Changgez Output Rule Image es en No et d donnez Class_Mindist_K Kou_200012 216comme nom n de fichier iissu de la cla assification.. #Puis ccliquez sur OK. O 54 Formattion ENVI / Classification non-supeervisée et su upervisée #Afficchez ensuitee les deux im mages, l’imagge classée ett la composit tion coloréee. #Et utilisez l’outil Tools de la classif → Lin nk → Link D Displays pourr vérifier les résultats d fication. #Fermez tous les fichiers f et quittez q ENV VI. Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 55 Cla assification par Maximum Likelihoo od (Maximuum de resse emblance) Le princ cipe de la classification n dirigée parr la procédu ure de ‘maxiimum de vraaisemblance’’, lors de laquelle la signature spectrale e de chaque pixel, danss chacun de es trois canaaux (4, 3 et e 2) est comparé ée à celle de es zones d'a apprentissagge ou région ns d’intérêt.. Les pixels sont alors affectés dans la c classe dont ils sont le plus proches. #Démaarrez à nouvveau ENVI. #Ouvreez et chargeez le fichierr Kou_200011216_432 à partir de C:\Formation C on_Envi\Inpu ut. #Charggez l’image en e compositiion colorée R RGB. Dans le menu Tools de Display cliquez c sur R Regions of Interest I → ROI Tool. La boite e de dialogue e ROI Tool apparait. a #Importez le fich hier des ré égions d’inté érêt dénommé Roi_Kou u_20001216 6.roi précéd demment utilisé pour pouvoir réaliser cettte classific ation de Ma aximum de vr raisemblancee. L’écran ssuivant appa arait : #Cliqueez sur OK poour charger les régions d’intérêt. 56 Formattion ENVI / Classification non-supeervisée et su upervisée #Supprrimez la pre emière ligne e qui est vi de en la sé électionnant puis en cliqquant sur le e bouton Delete. #Cliqueez sur Classsification → Supervissed → Max ximum Likelihood danss la barre de menu principale d’ENVI. #Sélecctionnez l’im mage à classif fier Kou_20 0001216_43 32 puis cliquez OK. #Le ficchier de Roii étant déjàà ouvert, danns la fenêtrre Maximum Likelihood Parameters s cliquez sur le bo outon Selectt All Items pour sélecttionner toute es les classe es. #Choississez Singlee Value et prenez 0,5 poour le seuil de d probabilité (Probabillity Thresho old). #Enreggistrez votre classificattion comme fichier ‘Maxxclas_Kou_220001216’ daans votre faarde. # Désaactivez l’Outtput Rule Im mages. #Cliqueez OK. Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 57 e classificattion selon le maximum d de vraisembllance est La classification se réalise. L’allgorithme de appliqué é à tous less pixels de l’image surr base des paramètres statistiquees décrivantt chaque signaturre spectrale e obtenue. La comparaisson entre les valeurs de e chaque pix xel et les signatures spectralles des différentes clas sses déterm minera la pro obabilité d’a appartenancee du pixel à chacune des classses. La classse présentant la probab bilité maximu um sera attr ribuée au pix xel considér ré. Le résultat apparaitt dans la fen nêtre Availa able Bands List L : #Visuaalisez votre résultat r dan ns un nouveaau Display. #Compparez ce résuultat avec l’image de baase par lien dynamique d sy ynchronisé d des displays s. Cette co omparaison vous v permett d’identifie er les défautts éventuels s de votre cllassification n et donc de l’amé éliorer. #Testeez cette méthode également pour ddes valeurs de d probabilit té de 0, 0.75 5, 1. #Exam minez et com mmentez les résultats coorrespondan nt aux différ rentes valeuurs de proba abilité. Pour une e valeur de probabilité égale à 0, ttous les pix xels de l’image sont classsés. Alors que pour une vale eur de proba abilité égale à 1 aucun pi xel n’est cla assé. 58 Formattion ENVI / Classification non-supeervisée et su upervisée Ré éalisation d’u une carte d’occupation d du sol Une foiss votre imag ge classifiée, exportez l e résultat : #Cliqueez File → Save S Image As… → Ima age File dan ns le viewer contenant vvotre classif fication. #Ignorrez le messaage d’erreur qui apparaitt, s’il apparaait #Choississez TIFFF/GeoTIFF comme Outtput File Type T pour que q cette im mage expor rtée soit compatible avec Arc cGIS que vo ous utiliserezz pour la misse en page de d votre carrte. #Enreggistrez cettte image danns votre fardde Résultat et appelé la VotreNOM M_Carte.tif L’image a été exportée. Pour la mise en pa age de votre e carte, utiilisez ArcM Map (ArcGis)). Insérez vvotre carte dans un nouveau projet ArrcMap et passez en m mode layoutt view. Respectez les consignes d’édition cartograaphique donn nées dans le e manuel de Formation SIG. S Formation ENVI / Classificatio C n non-superrvisée et sup pervisée 59 Chapitr C re 5 Analyse A e temporelle e No ormalized D Difference Vegetation V Index I (NDV VI) e définit co Le NDVI I est un ind dice de végé étation qui se omme la diff férence norm malisée des mesures de réfle ectance spec ctrale acquis ses dans less zones de longueurs d’o onde ‘Prochee Infra-Rouge’ (PIR) et ‘Roug ge’ : NDVI = (PIR - Roug ge) / (PIR + Rouge) R Sa valeu ur varie thé éoriquement varie entre e -1 et 1. En pratique, une surfacee d’eau libre e (océan, lac,…) prrendra des valeurs de NDVI proc hes de 0, un u sol nu pre endra des vvaleurs de 0.1 0 à 0.2, alors qu’’une végétattion dense aura des vale eurs de 0.5 à 0.8. Les plan ntes vertess absorbentt une grand de partie des d radiations solaires dans une zone de longueurrs d’onde ap ppelée PAR (Photosynth hetically Acttive Radiation), dont faait partie la a zone du Rouge. Par contre,, le PIR estt fortementt diffusé (n non absorbé é : transmiss et réfléch hi) par la plante. P Par conséque ent, une plan nte verte vivve apparait sombre dan ns le PAR (doont le rouge e) car ces longueurrs d’ondes so ont absorbé ées par la plaante (petite e valeur de réflectance)), et brillante dans le PIR car ces longueu urs d’ondes sont s réfléch hies en partie (grande va aleur de réf lectance). Le NDV VI est direc ctement lié à l’activité é photosynth hétique des plantes ett donc à la capacité d’absorb bation énerg gétique de la canopée du couvertt végétal. Il I agit comm me indicate eur de la biomasse chlorophyllienne des plantes. p En ttermes de ré éflectance dans d le PIR eet le Rouge. Une vég gétation en bonne santé absorbe e la plupart de la lumiière visible qu’il interc cepte et réfléchiit une partie importantte de la lum mière PIR. Une U végétat tion en mauuvaise santé ou clair semée réfléchi plus de lumière visible et m moins de PIR. Cré éation d’un indice de végétation v radiométriqu r ue NDVI #Démaarrez une noouvelle sessioon d’Envi. #Ouvreez l’image Laandsat du baassin du Kouu ‘Kou_20070110’. Elle date du 10 jaanvier 2007.. La boite e de dialogue e suivante s’ouvre : 60 Forma ation ENVI / Analyse te emporelle #Puis ccharger l’imaage en RGB (RGB). ( On rappelle que la bande b 4 = proche IR, la b bande 3 = ro ouge et la ba ande 2 = verrt. #Dans le menu prinncipal de la barre d’outiils ENVI cliqquez sur le menu m Transfform Formation ENVI / Analyse A temporelle → NDV VI. 61 #Sélecctionnez enssuite l’image Kou_200700110 puis validez par OKK. urs d’ondes sont s connuess, ENVI calc culera les bandes qui soont nécessaiires pour Lorsque les longueu le calcul de NDVI. Si une ima age sans less longueurs d’ondes me entionnées ssur le header a été choisie, alors vous devez d identifier les banndes qui corrrespondent au rouge ett à l’infrarouge pour le calcul du NDVI (c c’est le cas dans d cet exe ercice). #Choississez les baandes corresspondantes eet donnez lee nom NDVI__Kou_200700110 au nom m de l’image N NDVI créée (red = band de 3, ici la baande 2, nearr IR = 4 ici la bande 1). #Choississez Floatiing Point com mme Outputt Data Type e, puis clique ez OK. L’image NDVI est ajjoutée à la liste d’image es dans la bo oîte Availablle Bands lisst. 62 Forma ation ENVI / Analyse te emporelle #Afficchez ensuitee l’image en mode m Gray sscale sur une nouvelle fenêtre Dispplay 2. L’écran d doit comporrter les deux x fenêtres : la composittion colorée et l’image N NDVI. #Afin dde lier spatiialement cess deux imagees, dans le menu m Tools de d l’une de d deux fenêtres Display, cliquez sur l’option Link k puis Link D Displays. Formation ENVI / Analyse A temporelle 63 e suivante s’o ouvre : La boite #Mainttenez les Yees. Cette opéération syncchronise les fenêtres dee visualisatioon sélectionnées. #Mainttenez Dynam mic Overlay y sur On. Cettte opératio on permet un ne superposiition dynamique des images d des différen ntes fenêtre es de visuali sation synch hronisées. #Indiqquez une Traansparency (opacité ( en rréalité) de 0 %. Cette opération o peermet de ren ndre la couche ssupérieure d’une d fenêtr re de visualissation transparente en cliquant c desssus. #Ne modifiez pas les Link #Cliqueez OK. Siz ze / Positionn. Les deux fenêtres sont spatialement liéess : la même zone de l’im mage est afffichée sur les deux fenêtress. En cliquan nt sur l’une des deux im mages à l’aide du bouton n gauche de la souris, on n affiche l’autre im mage. Pour less différente es unités de e paysage : eau, différrents types de forêts, sols nus, cu ultures,… déterminez l’ordre de d grandeur r de l’indice NDVI. # Afin de faciliterr la recherchhe des difféérentes unittés, ouvrez lee Pixel Locaator du menu u Tools. #Insérrer éventuellement un par un les valleurs suivanttes dans le Pixel P - 64 Eau : E Forêt : Sols nus : S C Cultures : Sample= 414 ; Line= 366 Sample= 521 ; Line= 656 Sample= 609 ; Line== 420 Sample= 473 ; Line== 355 Locatoor : NDVI= N -0.18 80328 NDVI= N 0.325 5843 NDVI= N -0.09 97222 NDVI= N 0.264 4151 Forma ation ENVI / Analyse te emporelle # Cliquuez sur Applyy afin que lee curseur see déplace. #Utilissez ensuite pour p trouver r les différe entes valeurrs NDVI le Cursor C Locattion/Value du d même menu To ools de la fe enêtre Displa ay. s trouve su ur la ligne : D Disp #2 Data : -0.180 0328. La valeur de NDVI se Une autre possibilitté pour créer un indice N NDVI, ou to oute autre co ombinaison d de bandes, est e donnée p par l’outil Ba and Math : #Cliqueez sur Basicc Tools → Baand Math, ppour y accédder. #Ensuite il vous suuffira de tapper une exprression du tyype b4 – b3 3/(b4 – b3) dans la fenê être on, de cliquer r Add to Lisst, de la séle ectionner, et de définirr par sélection les Enter an expressio bandes. #Créezz également une image NDVI N pour l ’image Kou_ _19860116 se s trouvant dans le répe ertoire C:\Form mation_ENVI I\Input que vous nomme erez NDVI_ _Kou_19860 0116. #Enreggistrez-le daans le répertoire C:\Forrmation_EN NVI\output. #Charggez les deuxx images NDVI créées : NDVI_Kou__19860116 et NDVI_KKou_200701110 successiivement dan ns les vues 1 et 2. #Cliqueez sur Toolss → Link → Link Display ys dans la barre de men nu d’une des fenêtres de e visualisaation que vou us voulez syn nchroniser. Formation ENVI / Analyse A temporelle 65 #Testeez rapidemeent la synchrronisation dee vos fenêtrres à partir d’une ‘Scrolll window’ et la superpossition dynam mique à partir d’une ‘Imaage window’. Sy ymbologie #Cliqueez sur Toolss → Color Mapping M →E ENVI Color Tables dans s la barre dee menu d’une e des fenêtress de visualissation dont vous v voulez cchanger la symbologie. s #Exploorez les diffférents typees de symbologie et choisissez une symbologie s qqui vous paraît idéale po our compare er les 2 imag ges, par exe emple, la sym mbologie BLU UE/GREEN//RED/YELLO OW. #Répéttez ces opérrations pourr l’autre fenêêtre de visuualisation. Compare ez visuellement ces 2 im mages. Aidezz-vous notam mment du ‘Cu ursor Locatiion / Value’. Avec la symbologie ‘BLUE/GREE EN/RED/YE ELLOW’, que elles couleur rs sont assocciées à une faible et importan nte valeur de d NDVI ? Que Q remarqquez-vous ? Réfléchisse ez en termees d’évolution spatiotempore elle du NDVI I. Cette évolution est-e elle la même partout sur l’image ? An nalyse de dé étection du changement (Change d detection an nalysis) L’analyse e de détec ction du cha angement ccomprend de e nombreus ses méthodees dont le but est d’identiffier, de déc crire et de quantifier, q l es différences entre im mages d’unee même scèn ne (même endroit)) prises à différents d moments m (jaanvier 1986 et janvier 2007) ou d dans des co onditions différen ntes. 66 Forma ation ENVI / Analyse te emporelle Avez-vo ous une idée des situatio ons dans lesqquelles ce ge enre d’analyse peut êtree utile ? Vous allez maintena ant utiliser l’un des out ils les plus simples d’EN NVI pour l’aanalyse de détection d du chang gement : Co ompute Diff ference Mapp. Cet outil permet d’an nalyser le ch hangement entre e une paire d’images reprrésentant un n stade inittial et un sttade final (a avant et apprès le chan ngement). L’outputt résultant de l’image initiiale de l’image finale d cette opé ération est calculé en soustrayant s (finale – initiale) et consiste en n une image classifiée dont d les classes sont dééfinies par des d seuils de chang gement. Cette im mage de cha angement informe sur lla nature du u changemen nt apparu : pas de chan ngement, changem ment positif f ou négatiif, changem ment importtant ou faib ble en term mes de sur rface ou d’intensité. Pour anaalyser le cha angement en n termes de couverture végétale su ur le Bassin d du Kou entre janvier 1987 et janvier 200 07, réalisez les opératioons suivantess : #Allez dans le mennu principal d’ENVI Basiic Tools → Change Det tection → Coompute Diff ference Map. #Dans la fenêtre Select S the ‘Initial ‘ Statte’ Image, sélectionnez s z l’image antee changement (image aavant change ement),dans ce cas-ci, l’ image NDVI I_Kou_1986 60116. # Cliquuez OK. #Dans la fenêtre Select S the ‘Final ‘ State e’ Image séllectionnez l’image post cchangement, dans ce cas-ci l’iimage NDVI I_Kou_2007 70110. Formation ENVI / Analyse A temporelle 67 #Cliqueez OK. #Dans la fenêtre Compute C Dif fference M Map Input Pa arameters, choisissez5 c classes. #Cliqueez sur le bouuton Define Class Thre esholds pourr définir les seuils. La boite e suivante s’a affiche : #Dans votre cas laissez les seuils s par dé éfaut et cliquez sur OK K pour allerr de nouveau u vers la boîte Co ompute Diff ference Map p Input Parrameters. Plusieurss méthodess de calcul de changem ment s’offre ent à vous. Vous allez essayer la méthode ‘Simple Difference’ avec et sans preprocesssing de norm malisation : - 68 La m méthode Sim mple Difference réalise e une simple différenc ce entre less valeurs de e Digital Numb ber (DN) de es deux imag ges NDVI. Forma ation ENVI / Analyse te emporelle - En co omparant vo os deux ima ages (NDVI I_Kou_19860 0116 et ND DVI_Kou_20 0070110) à l’aide du ‘curso or/location value tool’, faites-vouss une idée sur s la gamm me de valeurrs qui resso ortira de cette e analyse. Le prreprocessing g Normalize Data range e (0 – 1) ré éalise un prétraitement consistant en e : (DN – min) / (ma ax – min) qui réduit la gaamme des va aleurs de cha aque image eentre 0 et 1. En uttilisant cettte méthode, quelle gam mme de vale eurs ressort tira de l’anaalyse de cha angement avec les 2 imagess NDVI ? #Cocheez Simple Difference. D #Choississez d’enreegistrer vos images résuultats comm me fichier da ans le réperttoire C:\Form mation_ENVI I\output ave ec comme noom : SD_5cllass_an86_a an07. #Cliqueez sur OK. Le fichie er résultat apparait a dan ns la boite d de dialogue Available A Ba ands List. #Ensuite, chargez l’image de changement c classifiée dans d une nouvelle fenêtrre de visualis sations que vouss synchronissez avec les images de b base (NDVI)) et compare ez. mages NDVI VI_Kou_1986 60116 et L’image montre le changementt qui a eu lieu entre les deux im NDVI_K Kou_200701110. Pour voir la légende e, allez à Too ols → Color Mapping → Class Color Mapping de l’imag ge de SD_5c class_an86_ _an07. La coule eur RGB (127 7, 127, 127) représente la zone sanss changemen nt. La couleuur RGB (192 2, 63, 63) représente des zone es de changements posiitifs. La couleur RGB (63, 63, 192) rreprésente des zone de chang gement néga atif. Cette im mage montre un véritab ble changem ment de ND DVI entre le es deux annnées. Comme entez les résultatts obtenus. Formation ENVI / Analyse A temporelle 69 70 Forma ation ENVI / Analyse te emporelle Chapitr C re 6 Classif C n par arbre e de décisio d n ication Dé émarrer la ssession L’image utilisée danss cet exerciice est une pportion d’une e image Land dsat 7ETM du bassin du u Kou. #Démaarrez le logicciel par l’unee des manièrres que vouss connaissez. #A parrtir de la barre de Menuu de ENVI, ssélectionnerr File → Opeen Image F ile. #Navigguez jusqu’auu répertoiree C:\Formattion_ENVI\IInput\sélecctionnez le ffichier Kou_200 070518_432 de la liste e et cliquez oouvrir (open). La liste des bandes disponibles apparait à l ’écran. #Charggez les banddes 432 comme ci-dessoous. #Cliqueez sur No Display D et sé électionnez N New #Cliqueez sur Load RGB. Display y. Formation ENVI / Classificatio C n par arbre de décision n 71 #Exam minez l’image e. Visualisez les donnéess de l’image à partir du pixel p locatorr, avant de construiire l’arbre. Cela C peut être utile. Inttroduire less règles de l’arbre déc cisionnel #A parrtir de la barre du menuu principal d’’Envi, sélecttionnez Classsification → DecisionTr ree → Build Ne ew Decision nTree. La boite e de dialogue de l’arbre de décission d’Envi apparait. Pa ar défaut, ll’outil de l’a arbre de décision n commence avec un nœ œud de déccision vide qui diviser ra les pixelss de l’ensem mble des donnéess en deux gro oupes, utilis sant n’importte quelle exp pression de décision binnaire introdu uite dans ce nœud d vide. #Pour définir la déécision, cliquuez sur le nœ œud de décission intitulé é Node 1. La boite e de dialogue e de modific cation de déccision apparait. #Au nivveau du champ Name, taapez NDVI >=0.4231. C’est le texte qui apparraitra au niveau du nœud de e décision da ans la vue gr raphique de l’arbre de décision. d #Dans le champ Exxpression, taapez :{ndvi} ge 0.4231 72 Formation ENVI / Clas ssification ppar arbre de e décision e dans le cha amp dit à Ennvi de divise er les pixels s en ceux quui ont des va aleurs de L’expresssion entrée NDVI in nférieures et e supérieure es à 0.4231. NDVI est l’indice fréquent f de végétation verte abond dante calculé à partir d des bandes du rouge et de l’in nfra-rouge d’une d image multispectrrale. L’arbre de décision n calculera l’’indice de vé égétation NDVI po our chaque pixel, p et tro ouvera les ppixels qui posssèdent des valeurs suppérieures ou égales à 0,4231. #Puis ccliquez sur OK. O La boite e de dialogue e Variable/F Files Pairinggs apparait. #Dans la boite de dialogue Varriables/Filees Pairing, clliquez une fo ois sur la varriable {ndvi}}. La boite e de dialogue e du fichier sélectionné à associer avec a la varia able apparaitt. #Sélecctionnez le fichier f dénom mmé Kou_20 0070518_432et cliquez z OK. Cette éttape dit à l’a arbre de dé écision qu’en évaluant l’e expression de décision, les valeurs de d NDVI devraien nt être calcu ulée à partir r de l’image Kou_20070518_432. Lorsque les longueu urs d’ondes sont s connuess, ENVI calc culera les bandes qui soont nécessaiires pour le calcul de NDVI. Si une ima age sans less longueurs d’ondes me entionnées ssur le heade er a été choisie, alors vous devez d identifier les banndes qui corrrespondent au rouge ett à l’infrarouge pour le calcul du NDVI. C’est C le cas dans d cet exe ercice. Formation ENVI / Classificatio C n par arbre de décision n 73 #Entreez 1 dans Neear Red Band, puis IR Band d et 2 dans R p cliquez OK. L’écran ssuivant appa arait : #Cliqueez le menu Options O puis sur Execute e pour exécuter la class sification. # Conttentez-vous de temporairement stoccké le résulttat dans Meemory, cliqueez OK. Entrer des rè ègles additio onnelles C’est maaintenant un n simple clas ssificateur d d’arbre de décision. d Les s pixels avecc NDVI supé érieur ou égal à 0 0.4231 seron nt inclus dans classe 1 (Class 1) (la a classe blanche), et lees pixels ave ec NDVI inférieur à 0.4231 seront inclu us dans la c lasse 0 (Cla ass 0) (la cla asse noire). Vous pouve ez entrer des règlles de décisiions addition nnelles pourr développerr une classification plus compliquée. #Faitees un clic drooit sur le nœ œud Class 1 et sélection nnez Add Ch hildren pourr subdiviser les pixels avvec NDVI éllevé en sous s catégories.. 74 Formation ENVI / Clas ssification ppar arbre de e décision ouvelles classses sont auttomatiqueme ent crées en n dessous de e la classe 1 . Deux no Le nœud d qui était prréalablemen nt intitulé cla asse 1 est maintenant m vide. v #Cliqueez une fois sur s ce nœud d. La boite de e dialogue de d modification de proprriété appara ait. #Dans le champ Naame, tapez Ndvi>=0.48 N 892 #Dans le champ Exxpression, taapez: {ndvi} ge0.4892e et cliquez OK K. La décission va divise er les pixels s de NDVI é levés en deu ux autres cla asses de ND DVI. Formation ENVI / Classificatio C n par arbre de décision n 75 #A parrtir de la barre de menuu de la boitee de dialoguee de ENVI Decision D Treee sélection nnez Options → Execute e, #Ou faaites un clic droit sur la zone arrièrre-plan de coouleur blanche de la boitte de dialoggue de ENVI D Decision puiss choisissez Execute. La boite e de dialogue e de Decision Tree Exe ecution Para ameters apparait. #Choississez le répertoire danss lequel il faaut enregistrer le fichieer : C:\Form mation_ENVI I\Output\Kou_200705 18_432_arb b. #Cliqueez sur OK. Le résultat s’affiche automatiquement danss la boîte Avvailable Ban nds List. Vissualiser les résultats de d l’arbre de décision La coule eur d’un pixe el donné dans le résulttat est celle e de la class se à laquellee il appartie ent après classific cation à partir de l’arbr re de décisiion. Ainsi, par exemple e, les pixels noirs sont ceux qui ont des valeurs de NDVI N inférieure à 0.423 31dans l’arbre de décisiion. #Exam minez l’arbre de décision n d’Envi une ffois encore. Notez que la vue par dééfaut ne com mporte pas touttes les inforrmations qui devraient ê être affichée es. #Faitees un clic drooit sur l’arrièère-plan blaanc de la boitte de dialogue de ENVII Decision Tree T et sélectionnez Zoom In. L’étiquettte de chaqu ue nœud aff fiche le nom mbre de pixels et le pour rcentage de l’image entier qui progressse à chaque nœud de l’arbre. On pe eut redimenssionner la fe enêtre de l’aarbre de déc cision pour visu ualiser la fe enêtre complète. 76 Formation ENVI / Clas ssification ppar arbre de e décision #Placez le curseurr de la souriss sur n’imporrte quel nœuud de l’arbree de décisionn, et notez l’informaation dans la a barre de statut s en bass de la boite e de dialogue e de ENVI D Decision Tree . C’est un autre moye en utile pour avoir rapide ement de l’in nformation sur s un nœud d dans l’arbr re, spécifiquement si la a vue de l’arb bre n’est pass zoomée po our montrer les détails d du nœud. L’arbre de décision dispose des s fonctionnallités permetttant des miises après avvoir élaboré é des classific cations. On peut p notamm ment procéd er : - aau changeme ent de coule eur de classe es et de nom ms ; - à l’émondage e (Prune) de e l’arbre (en lever tempo orairement le es descendaants) afin de e les rréinstaller sans s redéfin nir la règle d de décision ou o les propriiétés de nœuud ; - ssupprimer (D Delete) définitivement les descend dants de l’arb bre. C’est possible de sauvegarder le es arbres de e décision, in ncluant tous s les apparieements entre e les variable es et les fich hiers. Sauveg gardez un arrbre de déc cision vous pe ermet de le restaurer dans d une session prochaine de ENVI. #Du meenu de la baarre de l’arbre de décisiion, sélectionnez File → Save Treee. La boite de e dialogue e de sauvega arde de l’arb bre de décisiion apparait. #Tapezz un nom de fichier de sortie s pour ll’arbre, et cliquez OK. #Vous pouvez quittter votre seession d’ENVVI en sélectionnant File → Exit à ppartir du menu principal d’ENVI. Formation ENVI / Classificatio C n par arbre de décision n 77