2 Effet de l’atmosphère sur les algorithmes de classification

XI-2-1 Simulation de l’effet des aérosols sur les espaces de représentation bleu-vert et rouge-PIR

Sur la figure XI-6, des combinaisons de réflectances faibles, moyennes et élevées sont représentées dans les plans spectraux bleu-vert et rouge-PIR. Les valeurs de ces réflectances (choisies arbitrairement) dans les bandes bleue, verte et rouge sont : 0.05 pour faible, 0.15 pour moyenne et 0.25 pour élevée. L’étendue de ces valeurs est plus élevée dans le PIR (respectivement 0.05, 0.2 et 0.35) puisque les surfaces naturelle sont plus réfléchissantes dans cette gamme du spectre. Les réflectances apparentes sont simulées pour deux conditions atmosphériques (AOD=0.1 et AOD=0.3) en utilisant les paramètres atmosphériques calculés par REFLECT (les autres conditions sont fixées à : H = 100 m, Hr= 40%, θs=25°, φs=130°, l’effet d’adjacence n’est pas considéré). Nous pouvons constater que les effets additifs et multiplicatifs sur la réflectance apparente sont très importants notamment pour les faibles réflectances des bandes bleue et verte (effet additif) et les réflectances élevées de la bande PIR (effet multiplicatif). Ces effets diminuent les distances entre les points des plans spectraux mais ne changent pas beaucoup les distances relatives entre ces points. En d’autres termes, la modification des espaces des bandes spectrales est presque linéaire (sans l’effet d’adjacence).

Figure XI-6. Effet de l’atmosphère sur les réflectances apparentes dans les plans bleu-vert et rouge-PIR. Combinaison de trois valeurs de réflectance au sol par bande spectrale et deux

XI-2-2 Classification dirigée d’une image simulée

La classification est généralement utilisée pour la cartographie ou pour la détection des changements. Ceci implique l’utilisation de plusieurs images, ou des mosaïques multi-scènes et/ou multi-dates. Nous avons simulé une image multispectrale à partir des signatures spectrales au sol de huit matériaux (figure XI-7) disposées en bandes verticales (figure XI-8- a) dans l’ordre suivant : feuillus, argile, conifère, gazon, asphalte, roche, tuile rouge. Nous avons généré quatre bandes spectrales correspondant aux sensibilités spectrales des bandes bleue, verte, rouge et PIR du capteur ETM+ de Landsat-7 en utilisant notre application « SigSpec_Librairie » présentée au chapitre II.

Figure XI-7. Signatures spectrales des matériaux utilisés pour la constitution et la classification d’une image simulée.

Nous avons ensuite divisé l’image horizontalement en trois zones correspondant à trois conditions atmosphériques qu’on pourrait qualifier de ciel clair (AOD=0.05), ciel moyen (AOD=0.2) et ciel brumeux (AOD=0.4). L’algorithme REFLECT nous a permis de calculer des paramètres atmosphériques (transmittance totale Ttot, réflectance de parcours ρatm et albédo sphérique Salb) correspondants à ces trois états (voir tableau XI-1).

Les réflectances apparentes simulées (8 matériaux, 3 conditions atmosphériques) sont illustrées par la figure XI-8-b. Les figures XI-8-c et XI-8-d montrent respectivement la classification des matériaux avec les réflectances au sol et les réflectances apparentes. Nous pouvons voir que les effets atmosphériques provoquent des confusions entre les classes qui se ressemblent, dans notre cas la roche avec le gravier, l’argile avec la tuile, le conifère avec le feuillus, le gazon avec le conifère et l’asphalte avec le gravier.

Figure XI-8. Classification d’une image simulée (4 bandes spectrales et huit matériaux) en utilisant les réflectances au sol et les réflectances apparentes simulées à l’aide de REFLECT pour trois conditions atmosphériques. (a) : bandes bleue, verte, rouge et PIR de l’image des réflectances au sol; (b) : bandes bleue, verte, rouge et PIR de l’image des réflectances apparentes; (c) : classification de l’image des réflectances au sol; (d) : classification de l’image des réflectances apparentes.

Tableau XI-1. Paramètres atmosphériques pour les trois conditions atmosphériques choisies pour l’image simulée à partir des matériaux de la librairie ASTER de USGS.

Ciel clair (AOD=0.05) Ciel moyen (AOD=0.2) Ciel brumeux (AOD=0.4) Ttot ρatm Salb Ttot ρatm Salb Ttot ρatm Salb Bande bleue 0.7519 0.0728 0.0927 0.6148 0.0838 0.0826 0.4925 0.1184 0.0751 Bande verte 0.8176 0.0398 0.0637 0.6993 0.0511 0.0657 0.5435 0.0738 0.0658 Bande rouge 0.8759 0.0215 0.0413 0.7788 0.0319 0.0516 0.6422 0.0452 0.0578 Bande PIR 0.9042 0.0099 0.0224 0.8310 0.0182 0.0363 0.7281 0.0252 0.0461

XI-2-3 Classification dirigée des images satellitales

Nous avons réalisé des classifications dirigées et non dirigées avec les VNs ensuite avec les réflectances au sol calculées à l’aide de REFLECT. Les corrections appliquées ne tiennent pas compte des effets topographiques, l’AOD est estimé par la méthode des cibles obscures, une valeur moyenne est utilisée pour chacune des images. Les bandes spectrales utilisées sont : verte, rouge, PIR et MIR. Les deux types de classifications ont été appliqués aux images et aux combinaisons d’images suivantes :

- Image 1 : Landsat-7 ETM+ du 08-06-2001, - Image 2 : Landsat-7 ETM+ du 11-08-2001, - Image 3 : SPOT 5 HRG du 29-07-2006,

- Combinaisons 1 : image 1 et image 2, dont les distributions des VNs sont pratiquement similaires (voir figure VIII-2),

- Combinaisons 2 : image 1 et image 3, dont les distributions des VNs sont très différentes (voir figure VIII-2),

- Combinaisons 3 : l’ensemble des images 1, 2 et 3.

La scène illustrée sur la figure XI-9 a été découpée sur les trois images, elle englobe la partie commune sans nuages.

Figure XI-9. Scène utilisée pour les classifications supervisées et non supervisées des images Landsat-7 ETM+ du 08-06-2001 et du 11-08-2001, SPOT 5 HRG du 29-07-2006 et de leurs combinaisons (composé coloré : PIR dans R, MIR dans V et rouge dans B).

Pour les classifications supervisées, les sept classes suivantes sont considérées : c1=eau, c2=conifère, c3=feuillu, c4=agricole, c5=gazon/golf, c6=résidentiel, c7=commercial/industriel. L’algorithme de distance minimale donne les résultats présentés sur le tableau XI-2. L’exactitude de la classification évaluée à partir de sites de validation est légèrement plus élevée dans le cas où les images corrigées sont utilisées. Lorsque l’algorithme de maximum de vraisemblance est utilisé, l’exactitude obtenue avec les réflectances au sol est pratiquement la même que celle obtenue les VNs (tableau XI-2).

Les principales confusions se traduisent par l’affectation de pixels de la classe des conifères (p2) dans la classe des feuillus (c3) et dans la classe résidentiel (c6) et vice versa. Les pixels de la classe feuillus (p3) peuvent aussi être classés dans la classe gazon/golf (c5). Certains pixels de la classe gazon/golf (p5) sont également affectés aux classes feuillus (c3) ou agricole (c4). Les pixels de la classe commercial/industriel sont parfois classés comme agricole (c4) ou comme résidentiel (c6).

Ainsi, les corrections radiométriques des images n’améliorent que très peu l’exactitude de la classification évaluée à l’aide des sites de validation. Ce résultat reste toutefois tributaire du choix de ces sites. Nous avons noté sur les cartes issues des classifications appliquées des exemples où les corrections radiométriques améliorent les résultats, deux exemples sont présentés ci-bas.

Tableau XI-2. Résultats de la classification supervisée obtenue par la méthode de la distance minimale et la méthode du maximum de vraisemblance avec l’utilisation des VNs et des réflectances au sol estimées par REFLECT.

la méthode de la distance

minimale méthode du maximum de vraisemblance

Exactitude avec VNs Exactitude avec réflectances Exactitude avec VNs Exactitude avec réflectances Image 1 79.37% 80.81% 80.94% 85.05% Image 2 76.41% 76.58% 78.04% 78.21% Image 3 67.82% 66.31% 69.47% 69.57% Combinaison 1 84.00% 85.00% 84.09% 83.73% Combinaison 2 79.90% 80.58% 82.12% 81.99% Combinaison 3 82.14% 84.36% 84.21% 84.26%

Exemple d’amélioration des résultats – sols v.s. commercial/industriel

Les résultats de la classification dirigée (par la méthode de la distance minimale) de l’image Landsat-7 ETM+ du 08-06-2001 brute (VNs) montrent que les champs agricoles situés au nord-ouest de la scène (dans la région de Ste-Anne-des-Plaines, Québec) sont confondus avec la classe commercial/industriel, probablement à cause de l’existence de sols à nu dans la classe agricole (figure XI-10-a). La correction radiométrique des images a permis de mieux discriminer ces deux classes et ce même si une seule image a été utilisée (figure XI-10-b).

Figure XI-10-a. Carte issue de la classification dirigée des VNs de l’image Landsat-7 ETM+ du 08-06-2001.

Figure XI-10-b. Carte issue de la classification dirigée des réflectances au sol de l’image Landsat-7 ETM+ du 08-06-2001.

Exemple d’amélioration des résultats – les types de végétation

Un autre exemple où la séparabilité des classes est rehaussée par les corrections radiométriques : dans le cas de la combinaison 2 (Landsat-7 ETM+ du 08-06-2001 et SPOT 5 HRG du 29-07-2006), l’utilisation des réflectances plutôt que les VNs permet de mieux discriminer la végétation de l’île Ste-Thérèse située au nord-est de l’île de Montréal (figure XI-11). Ce constat découle de la comparaison visuelle des résultats de la classification avec l’image SPOT 5 du 29-07-2006 représentée dans le composé coloré qui permet le mieux de distinguer la végétation (PIR dans R; MIR dans V; rouge dans B).

Figure XI-11. Comparaison des résultats de la classification dirigée de la combinaison des images Landsat-7 ETM+ du 08-06-2001 et SPOT 5 du 29-07-2006 en utilisant les VNs et les réflectances au sol. Site illustré : île Ste-Thérèse au nord-est de Montréal, Québec (45º 41' N; 73º 28' O).

XI-2-4 Classification non dirigée des images satellitales

Une classification non dirigée (k-means) à huit classes a été appliquée pour les trois images et les trois combinaisons citées au début de la section précédente (VIII-2-3). La comparaison visuelle des cartes issues des images brutes et des images corrigées montre qu’en général, les corrections radiométriques rehaussent la discriminabilité des classes, notamment les différents types de végétation. Ceci est encore plus vrai pour les combinaisons d’images. La figure XI- 12 illustre ce constat : la classification de la combinaison des trois images (Landsat-7 ETM+ du 08-06-2001 et du 11-08-2001 et SPOT 5 HRG du 29-07-2006) sépare les forêts et les

Classification à partir des réflectances au sol Classification à partir

des VNs Image SPOT5 du 29-07-2006

(PIR→R; MIR→V; rouge→B)

Figure XI-12. Classification non dirigée de la combinaison des trois images (Landsat-7 ETM+ du 08-06-2001 et du 11-08-2001 et SPOT 5 HRG du 29-07-2006) en utilisant les images brutes (VNs) et corrigées (réflectances au sol).

Valeurs numériques

CHAPITRE XII - Effet de l’atmosphère sur les applications en