Objectifs Ressources bibliographiques Mise en place de l`espace de

M1 GST - UE0 Mise à niveau en télédétection
Rémi de Matos Machado
Objectifs
L’objectif de ce TD est de découvrir certaines notions clefs télédétection multispectrale :
 La signification des images de télédétection,
 L’histogramme de l’image,
 La signature spectrale d’un objet,
 La composition colorée,
 La classification non supervisée,
 La classification supervisée.
 Diachronie.
Vous appliquerez sous le logiciel TERRSET l’ensemble de ces notions pour cartographier et quantifier l’extension
de la ville du Caire entre 1984 et 2003.
Ressources bibliographiques
Vous lirez les rubriques 1, 2, 4.6 du cours suivant :
http://www.rncan.gc.ca/sciences-terre/geomatique/imagerie-satellitaire-photos-aeriennes/imagerie-satellitaireproduits/ressources-educatives/9310
Mise en place de l’espace de travail sous TERRSET
Avant de débuter l’analyse des images de télédétection, il faut au préalable créer un nouveau projet.
Pour cela, suivez les étapes suivantes :
1-Créez un nouveau répertoire dans « mes documents ». Nommez ce répertoire « votrenom_TD1 ».
2-Récupérez les images de télédétection du Caire sur l’ENT (M1GST – Mise à niveau). Placez le dossier
« lecaire.zip » dans le répertoire que vous venez de créer. Dézippez-le.
3-Démarrez TERRSET. Dans le panneau de gauche, onglet « projects », cliquez sur le bouton droit et créez un
nouveau projet en sélectionnant votre répertoire.
4- Il faut ensuite importer les images que TERRSET transformera dans son propre format d’image: pour cela, allez
dans le menu « file », « import », « government/Data provider formats », « tiff/geotiff ». Vous devez importer les
images une à une (ne prenez que les bandes spectrales 1 à 5). Dans votre répertoire, ouvrez un des fichiers .rdc avec
wordpad. Combien de lignes et de colonnes l’image comportent elle ? Quelle est la taille du pixel en mètres ?
1
M1 GST - UE0 Mise à niveau en télédétection
Rémi de Matos Machado
Données de télédétection
Les données utilisées proviennent du capteur Thematic Mapper (TM) du satellite LANDSAT 5. Ce capteur
effectue ses mesures dans 7 gammes de longueurs d’onde (qu’on appelle « bandes spectrales »).
Le numéro 1 à 7 dans les noms de fichiers indique le numéro de la bande spectrale. Les longueurs d’onde
associées à chaque bande spectrale sont données dans le tableau 1.
Le canal TM1 mesure l’énergie réfléchie dans la bande spectrale 450–515 nm, on peut donc l’appeler canal
« bleu ». Le canal TM2 dans la bande spectrale 525–605nm, c’est donc le canal « vert ». TM3 (630–690 nm) est le
canal « rouge », et TM4 (750–900 nm) le canal proche infra-rouge.
Nom de la bande spectrale
Longueur d’onde (nm)
TM1
Domaine spectral auquel appartient
la bande
Bleu
TM2
Vert
525–605
TM3
Rouge
630–690
TM4
Proche Infrarouge
750–900
TM5
TM6
(non utilisé dans le TD)
TM7
Moyen Infrarouge
Infrarouge thermique
1550–1750
10,400–12,500
Moyen Infrarouge
2090–2350
450–515
Table 1: caractéristiques spectrales du capteur LANDSAT-TM.
Partie 1 : observer et comprendre les images de télédétection
Signification des images de télédétection
Nous utilisons ici 5 images, chacune correspondant à une bande spectrale (c’est-à-dire une gamme de longueurs
d’onde), à deux dates différentes (1984 et 2003).
Chaque image est en fait un tableau de nombres, qu’on appelle compte numérique (CN). Le CN représente la
quantité d’énergie lumineuse qui est réfléchie dans cette bande spectrale. Ainsi un nombre élevé signifie que la
surface réfléchit beaucoup dans cette gamme de longueur d’onde. Au contraire, un nombre faible signifie que la
surface réfléchit peu dans cette gamme de longueur d’onde.
Pourquoi observe-t-on des entiers compris entre 0 et 255 ?
L’énergie mesurée par le capteur est converti en format numérique afin 1/ permettre la transmission des
données depuis le satellite vers la station de réception des données, et 2/ permettre de traiter les données à l’aide
d’un ordinateur. L’élément de base du codage numérique est le « bit ». Vous pouvez voir le « bit » comme la valeur
d’un interrupteur : allumé ou éteint. Le « bit » prend comme valeur « 0 » ou « 1 ».
Si on associe deux bits ensemble, on peut avoir les combinaisons suivantes :
0 et 0
0 et 1
1 et 0
1 et 1
On peut donc, avec deux bits, coder quatre valeurs différentes.
De même, avec 8 bits, on peut coder 256 valeurs de compte numérique (CN) différentes, de 0 à 255. Une
association de 8 bits se nomme un « octet », ou, en anglais, « byte ».
Les images sont affichées en niveaux de gris : les valeurs de pixel élevées sont affichées dans des teintes proches
du blanc, et les valeurs faibles dans des teintes proches du noir (on peut aussi associer une palette de couleurs à ces
nombres).
2
M1 GST - UE0 Mise à niveau en télédétection
Rémi de Matos Machado
Observez les 5 images LANDSAT. Dans quelle(s) images pouvez-vous distinguer les quatre types de surface les
unes des autres grâce à leur teinte ? Dans quelle(s) image(s) est-ce plus difficile ?
Vous pouvez vous renseigner sur la valeur d’un pixel spécifique grâce à grâce à l’outil « identify »
en haut de
l’écran. De cette manière, remplissez les tableaux suivants. Vous allez devoir repérer sur chaque image (c’est-à-dire
pour chaque bande spectrale) une gamme de valeur de pixel représentative de chaque type de surface.
Canal BLEU (TM1) (faites de même avec TM2, TM3, TM4 et TM5)
Etat de surface
Gamme de valeurs représentatives
Désert
Ville
Rivière
Végétation
Histogramme
L’histogramme d’une image donne la distribution des valeurs des pixels : pour chaque valeur entre 0 et 255,
l’histogramme donne le nombre de pixels ayant cette valeur. Pour afficher l’histogramme d’une image, aller dans
« file », « display », puis « histo ». Pour chaque image, aidez-vous des valeurs que vous avez notées
précédemment pour identifier à quel type de surface correspond chaque pic (ou mode) dans l’histogramme.
Compositions colorées
Vous pouvez observer trois bandes spectrales simultanément dans la même image, sous la forme d’une
composition colorée. La composition colorée est un moyen de synthétiser dans la même image l’information
contenue dans trois images différentes, c’est-à-dire acquise dans trois bandes spectrales différentes. La composition
colorée consiste à associer une couleur primaire à chaque image avant de les associer par une synthèse additive.
Vous allez maintenant créez des compositions colorées avec l’outil « create color composite »
en haut de
l’écran. Commencez par utiliser les bandes 1, 2 et 3. Essayez d’autres combinaisons. Quelle combinaison est la plus
proche de la vision humaine habituelle ? Pourquoi ? Quelle combinaison permet de faire ressortir en rouge la
végétation ? Pourquoi ? (aidez-vous des courbes affichées sur la page suivante).
Comparez les compositions colorées aux deux dates. Quels changements constatez-vous ?
3
M1 GST - UE0 Mise à niveau en télédétection
Rémi de Matos Machado
Partie 2 : transformer les images de télédétection en carte
Seuillage
Le seuillage est le moyen le plus simple de transformer l’image de télédétection en carte. Vous commencerez
par créer (pour l’année 1984 uniquement) un masque rivière / non rivière : à partir des résultats précédents,
sélectionnez la bande spectrale qui permet de mieux discriminer la mer de toutes les autres classes, puis appliquez le
seuillage.
TECHNIQUE
Un masque consiste à créer une image binaire (0 / 1) sur laquelle la valeur 1 représente l’information que l’on
souhaite afficher. Par exemple, si on veut représenter uniquement la classe « eau », on attribuera à tous les pixels
« eau » la valeur 1 et à tous les autres pixels la valeur 0.
100
90
80
Réflectance (%)
70
Végétation
60
Neige
50
Sol sableux
40
Eau
30
Béton
20
Macadam
10
0
0,4
0,6
0,8
1
1,2
1,4
1,6
1,8
2
Longueur d'onde (microns)
Pour reclasser l’image et obtenir une image binaire, allez dans « IDRISI GIS analysis », « database query », puis
« reclass ».
Il faut :
1. déterminer le type de fichier à reclasser, dans notre cas, c’est une image.
2. déterminer si l’on veut ou non laisser le choix à l’ordinateur d’effectuer le reclassement ; dans notre cas, non
(choisir User-defined reclass).
3. Choisir fichier en entrée et déterminer le nom du fichier en sortie. Le fichier de sortie est obligatoirement
différent des images de télédétection (par exemple, vous pouvez appeler le fichier « masqueriviere »).
4. déterminer les paramètres :
Un exemple (faux sur le plan spectral) : les pixels ayant une valeur entre 120 et 170, sur la bande rouge,
représentent de l’eau. Ainsi, le reclassement sera le suivant :
Assign new value : 1 To all value from: 120 To just less than: 171
Assign new value : 0 To all value from: 0 To just less than: 120
Assign new value : 0 To all value from: 171 To just less than: 256
Le résultat est une image binaire, dans laquelle les surfaces d’eau sont représentées par la valeur « 1 », et le
reste par la valeur « 0 ».
4
M1 GST - UE0 Mise à niveau en télédétection
Rémi de Matos Machado
Il est possible de faire de même pour les différents types de surface, mais il est plus efficace d’utiliser d’autres
méthodes, appelées « classification ». Deux grands types d’approches de classification existent : la classification non
supervisée et la classification supervisée.
Classification non supervisée
L’objectif de la classification non supervisée est de regrouper
ensemble des pixels qui ont des signatures radiométriques proches,
de manière automatique.
Nous utilisons ici la méthode des k-moyennes, ou k-means. La
lettre k représente ici le nombre de classes. k est choisi en amont
par l’utilisateur.
Étape préliminaire : regroupement des différentes images de
télédétection dans un « groupe d’images » (groupe raster, raster
group en anglais).
Vous allez associer les 5 bandes bandes spectrales
correspondant à une année entre elles : dans le panneau de gauche,
dans l’onglet «file », sélectionnez les 5 images, cliquez sur le bouton
droit et créez un « raster group ».1 Ceci veut dire que l’on crée un
groupe
d’images.
Renommez-le
« RasterGroup.rgf »
en
« LeCaire.rgf».
Classification k-means
Allez dans « IDRISI image processing », « hard classifier », « kmeans » et demandez à classer le groupe d’images
en 4 classes. Faites de même en 6 classes.
Le regroupement des pixels entre eux est facile! Cependant très souvent, nous n’atteignons pas le résultat
escompté. Votre travail d’analyse est indispensable : pour obtenir une carte en 4 classes, est peut-être nécessaire de
demander 10 classes. Puis, ces classes seront regroupées selon leurs similitudes spectrales, afin d’en obtenir 4. Ce
regroupement se fait avec l’outil « reclass » (comme le seuillage précédemment), mais c’est avant tout votre analyse
du résultat obtenu par l’ordinateur qui compte. Notez qu’il n’y a pas de « recette miracle » : il faut toujours observer
et juger le résultat obtenu et adapter nos paramètres.
Vous pouvez maintenant extraire la signature radiométrique de chaque classe (valeurs moyennes de chaque
bande pour chaque classe). Pour cela, utiliser l’outil « profile » (vous le trouvez dans « IDRISI GIS analysis »,
« database query »). Observez et analysez-les en fonction des signatures spectrales théoriques (page précédente).
Utilisez la classification non supervisée en 1984 et en 2003. Affichez les histogrammes des deux cartes pour
quantifier la surface de la zone urbaine. Comparez. Ensuite, effectuez un « reclass » sur chacune des deux cartes
pour créer une carte ville/non ville. Avec « image calculator » , créez une carte des changements de la zone
urbaine. Puis, une carte montrant l’étendue de la ville en 1984 ainsi que les changements ayant eu lieu entre 1984 et
2003.
1
Le terme « image raster » veut dire « image matricielle ». L’image est constituée d’un tableau (ou matrice) de
pixels, chacun avec un numéro de ligne et de colonne, et chacun doté d’une valeur.
5
M1 GST - UE0 Mise à niveau en télédétection
Rémi de Matos Machado
Classification supervisée
L’objectif de la classification supervisée est de regrouper ensemble des pixels qui ont des signatures
radiométriques proches de celles d’échantillons choisis par l’utilisateur. Cette approche est indépendante de la
précédente. Aussi, utilisez les images d’origine et non pas les cartes obtenues par la méthode du k-means.
La mise en œuvre suit les étapes suivantes :
 Choix des échantillons : on choisit des polygones que l’on dessine dans une couche vecteur.
 Mise en forme des échantillons afin de pouvoir être utilisés lors des étapes ultérieures (cette étape est une
étape purement technique propre à TERRSET).
 Regroupement des différentes images de télédétection dans un « raster group » (cette étape est une étape
purement technique propre à TERRSET).
 Extraction des signatures spectrales (valeurs des images) sur la base des pixels appartenant aux échantillons.
 Classification : le logiciel compare la signature spectrale de chaque pixel de l’image à celles des quatre
échantillons. Chaque pixel sera associé à une classe donnée : celle dont la signature spectrale (établie sur les
échantillons) est la plus proche de la sienne (en termes de distance euclidienne minimum).
 Affichez et commentez de manière critique le résultat de la classification.
Détails des méthodes :
Choix des échantillons : on choisit des polygones que l’on dessine dans une couche vecteur.
Vous allez définir une petite région pour chaque type de surface. Avec l’outil « digitize » , créez une nouvelle
couche vecteur, de type « polygone » nommée « echantillons.vct ». Créez le premier polygone (par exemple, pour
l’eau). Pour terminer le polygone, cliquez sur le bouton droit de la souris. Créez un nouveau polygone (pour une
autre surface) dans la même couche vecteur (vous ajoutez le nouveau polygone à la couche vecteur déjà créée).
Lorsque vous avez créé les polygones, cliquez sur
pour sauvegarder votre couche vecteur.


Mise en forme des échantillons afin de pouvoir être utilisés lors des étapes ultérieures.
Transformer la couche vecteur que vous avez créée en format raster, en suivant les deux étapes :
créer une image raster contenant des 0, de même taille que les images de télédétection (menu « file », « data
entry », « initial »), que vous nommez « echantillons.rst ».
Importer les valeurs des polygones dans cette image raster (menu « file », « reformat », « rastervector »,
conversion vecteur en raster en choisissant de mettre à jour l’image raster précédemment créée).
Regroupement des différentes images de télédétection dans un « raster group ».
Vous allez associer les images entre elles : dans le panneau de gauche, dans l’onglet « file », sélectionnez les 5
images. Cliquez sur le bouton droit et créez un « raster group ».


Extraction des signatures spectrales (valeurs des images) sur la base des pixels appartenant aux échantillons.
Extraire les signatures spectrales de chaque échantillon (valeurs moyennes de chaque bande pour chaque
polygone). Méthode : « IDRISI image processing », « signature development », « makesig », en appliquant cette
méthode sur le groupe d’images créé précédemment et en utilisant l’image « echantillons.rst » comme image
échantillon.
Affichez les signatures spectrales : « IDRISI image processing », « signature development », « sigcomp ».
Classification
Pour cela, « IDRISI image processing », « hard classifiers », « mindist » (comme minimum distance). Remplissez
les champs et terminez. Chaque pixel sera associé à une classe donnée : celle dont la signature spectrale est la plus
proche de la sienne.
Affichez le résultat de la classification.
Que pensez-vous du résultat ? Si vous constatez des problèmes, réglez-les en choisissant d’autres jeux
d’échantillons et en recommençant les étapes nécessaires.
6
M1 GST - UE0 Mise à niveau en télédétection
Rémi de Matos Machado
Diachronie
Une fois que vous avez obtenu un résultat satisfaisant pour l’année 1984, faites de même pour 2003. Vous avez
maintenant deux cartes. Avec l’outil « reclass », créez une carte « ville en 1984 » et une autre carte « ville en 2003 »
(c’est-à-dire, pour chaque date, une carte où la ville est représentée par la valeur 1, et le reste par la valeur 0). Avec
la calculatrice, créez une carte représentant l’extension urbaine entre les deux dates. Pour cela essayer les
approches suivantes :
- Carte de ville en 2003 – carte de ville en 1984
- Carte de ville en 2003 + carte de ville en 1984
- 2 * Carte de ville en 2003 + carte de ville en 1984
Interprétez à chaque fois le résultat obtenu.
Maintenant, combinez toutes les informations pour représenter le désert, le Nil, la végétation et la ville en 2003
sous la forme d’une carte où l’on distingue la ville construite avant 1984 et celle après 1984. Pour faire cela, vous
pouvez suivre la méthode suivante :
- À partir des résultats précédents, créez une carte où vous ne gardez que la ville récente (celle établie entre
1984 et 2003).
- Puis, faites la somme entre la carte (en 4 surfaces) de 2003 et de la carte ville nouvelle. Attention, il faudra
peut-être effectuer la somme : carte2003 + n*ville nouvelle. Il faudra choisir n correctement.
Conclusion
Ce travail peut être reproduit pour n’importe quelle ville du monde ou pour tout autre type de milieu. Les
données LANDSAT acquise depuis 1972 sont entièrement gratuites et sont accessibles par exemple via l’interface
web USGS Earth Explorer. Utilisez cette interface pour constater la disponibilité des données et pour visualiser
l’empreinte d’une image entière (nous n’avons ici travaillé que sur une portion de l’image). Vous pouvez créer un
compte USGS pour télécharger des données.
7