Objectifs Ressources bibliographiques Mise en place de l`espace de
Transcription
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