Estimation à partir de la méthode adaptée à la bande C

IV.6.2.2.a Site de Risoul

Les résultats de classification, dans cette configuration, sont montrés sur la figure IV-45 pour le site de Risoul.

-b-

Forêts enneigées

Surfaces enneigées Surfaces nues Forêts enneigées Forêts sans neige

Surfaces enneigées Surfaces nues Forêts sans neige

Figure IV-45 Résultats de la classification pour les différentes zones de la carte de référence sur le site de Risoul

-a- Image optique Landsat, -b-carte de référence, -c- classification des résultats de cartographie

La probabilité de bonne classification calculée pour les quatre classes est de 61.06%.

Dans ce cas, la fusion des différentes classes en une carte binaire indiquant la présence ou l'absence de neige donne une probabilité de bonne classification calculée pour ces deux classes

IV.6.2.2.b Site d'Izoard

Les résultats de classification, dans cette configuration, sont montrés sur la figure IV-46 pour le site d'Izoard.

Forêts enneigées

Surfaces enneigées Surfaces nues Forêts enneigées Forêts sans neige

Surfaces enneigées Surfaces nues Forêts sans neige

Figure IV-46 Résultats de la classification pour les différentes zones de la carte de référence sur le site d'Izoard

-a- Image optique Landsat, -b-carte de référence, -c- classification des résultats de cartographie

La probabilité de bonne classification calculée pour les quatre classes est de 66.43%.

La fusion des différentes classes en une carte binaire indiquant la présence ou l'absence de neige donne une probabilité de bonne classification calculée pour ces deux classes de 82.99%.

IV.6.2.2.c Discussion

Les mêmes remarques que celles énoncées lors de l'analyse de la classification précédente peuvent être formulées dans ce cas présent. Les résultats sur des images complètes laissent apparaître des performances légèrement inférieures à celles de l'approche multi-fréquentielle.

IV.7 Conclusion

IV.6.3 Récapitulatif

Les tableaux IV-3 et IV-4 résument les résultats de classification obtenus avec les différentes approches. Risoul Procédure Multi-fréquentielle Mono-fréquentielle développée à partir de la bande L Mono-fréquentielle adaptée à la bande C

(

)

(

)

Tableau IV-3 Tableau récapitulatif des taux de classification sur le site de Risoul

Izoard Procédure Multi-fréquentielle Mono-fréquentielle développée à partir de la bande L Mono-fréquentielle adaptée à la bande C

(

)

(

)

Tableau IV-4 Tableau récapitulatif des taux de classification sur le site d'Izoard

De manière générale, les probabilités de détection de la neige obtenues avec les différentes approches proposées avoisinent la valeur très satisfaisante de 80%. La différence principale entre l'approche multi-fréquentielle et les approches mono-fréquentielles réside dans les difficultés de ces dernières à classifier les milieux sous jacents.

IV.7 Conclusion

L’objectif de cette partie concerne la localisation de couverts de neige que ce soit sur les forêts ou sur les sols nus. Toutefois les approches proposées diffèrent en fonction des caractéristiques polarimétriques des milieux étudiés.

Les données SAR sont tout d'abord traitées au moyen d'une méthode de filtrage de speckle et d'une procédure de regroupement des pixels afin de réduire le bruit d'une part et d'homogénéiser les régions de l'image. Cette étape permet une meilleure lisibilité des images et ainsi une interprétation plus fiable des phénomènes de rétrodiffusion.

A partir des données SAR polarimétriques des sites de Risoul et d’Izoard, une étude des variations fréquentielles et temporelles des paramètres polarimétriques H et α est proposée afin d'estimer leur pouvoir de discrimination de la neige. Il est ainsi observé que seules les variations temporelles en bande C de l'angle α sur les régions forestières rendent possible la détection d'un couvert neigeux. Cette partie révèle la nécessité de localiser indépendamment les différents milieux naturels des sites à partir des données d'octobre. En effet leur comportement polarimétrique spécifique ne rend pas possible la mise en place d'une méthode unique pour discriminer la neige. Ainsi la cartographie des régions de surfaces et de forêts ainsi que l'élaboration de procédures de détection de neige adaptées à chaque milieu sont développées.

Une approche multi-temporelle et multi-fréquentielle est tout d'abord présentée. Les performances de la bande L dans les études de classification et de cartographie des milieux naturels sont utilisées pour développer les procédures de cartographie des surfaces et des forêts à partir des données en bande L.

La méthode de décomposition d'un modèle de diffusion, proposé par A. Freeman, habituellement employée pour les études des zones forestières a montré une nette surestimation de la diffusion de volume. Une technique de localisation des forêts, établie à partir d'une combinaison entre l'entropie et l'anisotropie, est adoptée. Les zones de surfaces sont localisées au moyen d'une procédure qui évalue le type des mécanismes dominants en se basant sur une décomposition aux valeurs et vecteurs propres.

Une fois cette étape achevée, deux méthodes distinctes sont proposées pour détecter la présence de la neige sur les forêts et les surfaces à partir des données en bande C. Il est montré que dans le cas des régions forestières l'indicateur α est un paramètre pertinent. Ainsi à partir d'un seuil fixé sur ses variations d'été à hiver, une carte des forêts enneigées peut être construite.

Le faible contraste polarimétrique existant entre l'été et l'hiver sur les surfaces enneigées a mené au développement d'une méthode d'optimisation de contraste polarimétrique. Une première méthode basée sur l'OPCE (Optimization of Polarimetric Contrast Enhancement) est appliquée. Cependant des limitations intrinsèquement liées au principe de cette méthode ont été observées. Afin de dépasser ces limitations une nouvelle technique, appelée PCVE (Polarimetric Contrast Variation Enhancement), est exposée. Il s'agit d'une technique supervisée reposant sur la maximisation des variations du contraste polarimétrique.

Afin de restreindre la discrimination de la neige à une étude mono-fréquentielle, des analyses des milieux naturels en été sont proposées pour établir des cartographies des forêts et des surfaces en bande C.

Les procédures utilisées dans le cas de la bande L sont appliquées à la bande C et comparées aux résultats obtenus pour des procédures fondées sur l'analyse de la réponse rétrodiffusée en bande C. Il a été observé que l'entropie seule suffit à détecter les forêts à cette fréquence du fait du caractère très aléatoire de tels milieux. Les surfaces quant à elles sont estimées à partir de l'indicateur moyen

α .

A partir de ces cartographies estivales, la neige est détectée sur chaque milieu en appliquant les mêmes méthodes que celles décrites précédemment.

Finalement la validité de ces méthodes de discrimination d'un couvert neigeux sont évaluées en comparant les résultats obtenus avec les images optiques Landsat projetées dans le plan d'incidence radar. Les différentes approches proposées affichent des performances similaires et très

IV.7 Conclusion

satisfaisantes avec un taux de bonne détection de la neige qui atteint des valeurs de l'ordre de 80%. L'approche multi-fréquentielle est néanmoins préférée aux approches mono-fréquentielles car elle permet une discrimination efficace des milieux sous jacents. Cependant, dans le cas où le but premier est la détection de la neige, une approche mono-fréquentielle suffit. De plus cette technique s'inscrit dans le cadre des nouveaux capteurs qui travaillent à une seule bande de fréquence.

CHAPITRE V.