TROISIEME PARTIE – RESULTATS
2. Les données de l’IPL
La qualité des données de l’IPLI-77 a été évaluée selon une méthode similaire à celle retenue pour l’évaluation de la qualité de la classification de l’image SPOT 5 (2003). 608 points de validation levés à partir de photographies aériennes de 1978 ont alimenté une matrice de confusion pour produire une évaluation quantitative de la qualité des classes de l’IPLI.
2.1. Qualité globale de l’IPLI
La carte d’occupation des sols de la zone littorale du Pays de Brest réalisée à partir des données IPLI-77 est présentée figure 63.
161
Figure 63 : Carte de l’occupation des sols du Pays de Brest en 1977 à partir des données de l’IPLI.
Les performances de l’IPLI ont été évaluées en utilisant une matrice de confusion et des points de validation obtenus par photo-interprétation des clichés datant de 1978. Les classes « tissu mixte », « espace en mutation », « prairies » et « cultures hors-sol et sous-serres » n’ont pas été évaluées du fait d’une définition trop aléatoire ou du peu d’objets représentés (cf. p.119).
La performance globale de l’IPLI-77 est de 82,9 %, avec un indice de Kappa de 0,83 (tableau 25).
162
Tableau 25 : Matrice de confusion de l’IPLI.
La qualité de l’IPLI est inégale. Certaines classes sont en dessous du seuil de 50 % d’objets bien classés (« prairie humide », « friche »). Dans le cas des prairies humides, les confusions avec les terres agricoles sont courantes, tandis que les friches se confondent avec les « landes, maquis, garrigue » d’une part, et les « bois » d’autre part. Il y a également beaucoup d’objets mal classés parmi l’« habitat individuel diffus » (53,1 % d’objets bien classés, confusion avec les terres agricoles) et « plage » (54,5 % d’objets bien classés, confusions avec la mer). En dehors des « dunes », toutes les autres classes enregistrent des performances supérieures à 80 % d’objets bien classés.
2.2. Qualité sémantique et géométrique
Les classes d’occupation des sols les plus mal interprétées cumulent deux types d’erreurs classiques en photo-interprétation : les erreurs géométriques et les erreurs d’interprétation, (Girard et Girard, 2004 ; Jensen, 2005). La classe « habitat individuel diffus » est celle pour laquelle l’erreur géométrique est la plus nette. La faible performance de cette classe est essentiellement liée à son mode de production. Rappelons que, lors de la création de la base de données IPLI en 1977, l’interprétation des photographies était réalisée sur un calque ; les objets interprétés étant par la suite reportés sur un fond de carte IGN. Les objets appartenant à la classe « habitat individuel diffus » étaient représentés par un figuré ponctuel de forme carrée. Lors de la numérisation ultérieure des données, ce figuré ponctuel a été transformé en figuré surfacique, entraînant de très nombreux décalages géométriques de faible ampleur entre le bâti isolé sur le terrain et sa représentation numérique (figure 64). Le calcul de statistiques de surface est par conséquent peu significatif pour la classe « habitat individuel diffus ».
163
Figure 64 : Décalage géométrique des objets « habitat dispersé récent » dans l’IPLI.
Nous avons constaté qu’il existait des décalages entre les versions analogique et numérique de l’IPLI. Ainsi des objets initialement classés comme « prairie » ont été reclassés comme « terre cultivée » dans la version numérique. Pour la zone côtière du Pays de Brest le nombre d’objets classés en « prairie » dans la version numérique est d’ailleurs très faible (quatre objets localisés dans l’archipel de Molène, couvrant une superficie totale de 15,7 hectares). La disparition presque complète de cette classe lors de la numérisation de l’IPLI- 77 constitue de fait un appauvrissement sémantique de la base de données.
Certaines classes de la typologie de l’IPLI sont sous représentées dans le Pays de Brest. C’est notamment le cas pour la classe « cultures légumières ou florales » définie comme « maraîchage, culture légumière de plein champ, serre, rizière » qui n’est présente que sur l’île de Molène. Les photo-interprètes ont choisi de faire appel à d’autres classes de la typologie pour classer ces entités. Ces « erreurs » d’interprétation suggèrent des lacunes dans l’homogénéisation finale des données, et vont aussi dans le sens d’un appauvrissement sémantique de la base de données produite au regard des potentialités de sa typologie.
2.3. Discussion
Inhérente à la subjectivité du photo-interprète, l’erreur d’interprétation est difficile à vérifier et à quantifier ; sa quantification étant elle-même soumise à la subjectivité de l’évaluateur de la qualité des données. La méthode mise en œuvre est basée sur la photo-interprétation de photographies aériennes de 1978 pour déterminer la classe d’occupation des sols à laquelle appartient chacun des points de contrôle. Deux étapes de photo-interprétation sont par conséquent superposées : la première pour créer les données de l’IPLI, la seconde pour interpréter les photographies aériennes servant à l’acquisition des points de contrôle, cumulant les risques d’erreurs d’interprétation. En outre cette démarche suppose que les
164
points (de la classification et de contrôle) peuvent être affectés sans ambiguïté à une seule classe, ce qui dans la pratique se vérifie rarement (Girard et Girard, 2004). En l’absence d’informations disponibles relatives à la qualité de l’IPLI, nous avons tout de même choisi cette méthode afin de disposer d’une évaluation quantitative de sa qualité. En effet contrairement aux informations extraites par classification d’images, rares sont les évaluations qualitatives et / ou quantitatives des informations extraites par photo- interprétation. A quelques exceptions près (Girard et al., 1997), il est par conséquent difficile de comparer nos résultats avec ceux obtenus par d’autres auteurs.
Si l’on note que la précision globale de l’IPLI-77 se situe en dessous du seuil recommandé de 85 % de pixels bien classés pour une classification acceptable (Foody, 2002), elle est toutefois supérieure à 80 %, et l’indice de Kappa est de 0,83. Au vu du nombre élevé de classes prises en compte, nous estimons que les données de l’IPLI sont d’une très bonne qualité générale, exception faite de quelques classes aux performances plus faibles.