In niti à E ati ENV on VI

Transcription

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
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
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.
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
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.
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
#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
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
#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
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
#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
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
#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.
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
#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.
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
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.
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
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
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
:
C
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
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.
C
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
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
pervisée
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
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.
C
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
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
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
C
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
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
C
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
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).
C
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
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.
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.
C
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.
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.
C
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
upervisée
Sé
éparabilité d
des ROIs
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
All Items
s pour sélecctionner touttes les régio
ons.
#Cliqueez sur OK.
C
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
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.
C
pervisée
53
#Dans la boite de dialogue suivante sélecttionnez le fiichier et cliqquer sur OK .
Une autre boite de dialogue s’ou
uvre.
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
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.
C
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
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.
C
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
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
C
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
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.
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= 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
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.
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
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.
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
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.
A
temporelle
69
70
Forma
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.
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.
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.
C
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
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.
C
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
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.
C
n
77

In niti à E ati ENV on VI

Transcription

Documents pareils

sasa cc dedo ssie r

Agenda climat international 2014

NORMANDY GARDEN RESORT PV H11

Cap Coz - ceadapei35

jeune femme 24 ans boit sans savoir s`arrêter

port d`albret domaine du golf de pinsolle e10

Propriétés de caractère sur Vente Réf : 2056.1

CIBOURE LA VILLA MALDAGORA H11

Hôtels sur Vente Réf : 2157 - Cabinet Cosmos Achat et vente de

HYERES - PRESQU`ILE DE GIENS LE HAMEAU DE LA PINEDE E11