3.5 Données de références
3.5.2 Image satellites Spot
Les série temporelles d’images satellites décrivent la Basse Plaine de l’Aude, la
Montagne de la Moure et Causse d’Aumelas et le Pic Saint Loup sont issue du
capteur Spot. La Figure 3.14 décrit les différent types d’occupation du sol de chaque
site. La Basse Plaine de l’Aude compte six classes dont les couverts végétaux, les
zones humides, les surface en eau et les plages. La MMCA est caractérisée par un
paysage naturel prédominé par la végétation répartie en cinq classes : forêt,culture,
espace ouvert avec peu ou sans végétation, milieu à végétation arbustive etvignoble.
Le Pic Saint Loup est lui aussi prédominé par la végétation, il compte six classes
dont culture, forêt, espace couvert avec peu ou sans végétation, milieu a végétation
arbustive,vignoble et quelques espaces artificialisés.
Les trois sites partagent certaines occupations du sol comme illustré dans la
Figure 3.13. Les classes en commun sont au nombre de trois dont : culture, milieu à
végétation arbustive, et vignoble. Le Pic Saint Loup et la Montagne de la Moure et
Causse d’Aumelas partagent aussi deux occupation du sol qui sont : espace ouvert
avec peu ou sans végétation etforêt.
Territoire artificialisé Culture
Forêt
Espace ouvert avec peu ou sans végétation Milieu à végétation arbustive
Vignoble
Culture Forêt
Espace ouvert avec peu ou sans végétation Milieu à végétation arbustive
Vignoble Plage
Culture
Surface en eau Zone humide
Milieu à végétation arbustive Vignoble
Pic Saint loup BPA MMCA
Figure3.13 – La répartition des classes de couverture du sol identifiées dans les trois sites.
Les classes en commun sont : culture,milieu à végétation arbustive, et vignoble.
• Culture
• Milieu à végétation arbustive
• Vignoble
Pic Saint Loup
BPA
• Culture
• Milieu à végétation arbustive
• Vignoble
MMCA
• Espace ouvert avec peu
ou sans végétation
• Forêt
• Territoire artificialisé
• Plage
• Surface en eau
• Zone humide
Figure 3.14 – Les classes de couverture du sol identifiées dans les trois sites : la Basse
Plaine de l’Aude, la Montagne de la Moure et Causse d’Aumelas et le Pic Saint Loup . Les
classes en commun sont : culture,milieu à végétation arbustive, et vignoble.
3.6 Conclusion
Dans cette thèse, nous nous intéressons au suivi de l’évolution des zones
natu-relles et semi-natunatu-relles par imagerie satellite. Afin d’atteindre cette objectif, nous
allons adopter une analyse d’images satellites orientée object en s’appuyant sur les
méthodes d’apprentissage non supervisées et semi-supervisées. Afin de valider nos
approches, nous avons sélectionné quatre sites d’étude : la Basse Plaine de l’Aude,
la Vallée du Libron, MMCA et le Pic Saint Loup, localisés au sud de la France.
Dans ce chapitre, nous avons d’abord présenté ces quatre sites étude ainsi que les
images satellites décrivant chacun d’eux. Ces images satellite sont issues de capteurs
différents (Spot et Landsat) possédant des caractéristiques spécifiques. Nous avons
ensuite décrit les étapes de pré-traitement de ces images. Enfin, nous avons analysé
la couverture du sol des quatre sites.
Dans les chapitres suivant (Chapitres 4, 5 et 6), nous allons présenter les
dif-férentes méthodes d’analyse de séries temporelles d’image satellite proposées ainsi
que leur application aux données décrites dans ce chapitre.
Analyse non supervisée de séries
temporelles d’images satellites
Sommaire
4.1 Introduction . . . 50
4.2 Analyse non supervisée des STIS . . . 51
4.2.1 Vue globale de l’approche . . . . 51
4.2.2 Détection des entités spatio-temporelles . . . . 51
4.2.3 Construction des graphes d’évolution . . . . 53
4.2.4 Clustering des graphes d’évolution . . . . 55
4.3 Expérimentations . . . 57
4.3.1 Sélection des paramètres . . . . 58
4.3.2 Protocole d’évaluation quantitative . . . . 60
4.3.3 Résultats de l’évaluation quantitative . . . . 61
4.3.4 Résultats de l’évaluation qualitative . . . . 63
4.4 Conclusion . . . 68
4.1 Introduction
L’objective de notre thèse est l’étude des dynamiques des habitats naturels et
semi-naturels par télédétection. Dans le chapitre 2, nous avons présenté les
princi-pales approches d’analyse d’images satellites. La littérature foisonne de méthodes
de cartographie du sol. On distingues les approches orientées pixel des approche
orientées objet.
Les premières approches d’analyse se basent sur les pixels qui sont la plus petite
unité de l’image, cette unité n’apporte pas une analyse sémantique du paysage.
Tandis que les approches orientées objet traitent des images segmentées sur les
quelles des unités structurales du paysage ont été identifiées.
Nous travaux s’inscrivent dans ce contexte. Dans ce chapitre, nous présentons la
première de nos deux propositions qui ont pour objective l’analyse non supervisée
des dynamiques des habitats naturels et semi-naturels. L’objectif général de notre
proposition est l’exploitation des séries temporelles d’images satellites segmentées
pour une analyse orientée objet (OBIA- Object Oriented Image Analysis) des
évo-lutions des entités spatio-temporelles pour l’identification et la mise en évidence des
patrons d’évolution.
Les travaux d’analyse de STIS, déjà présents dans le littérature traitent de la
détection de changements en comparant deux images satellites segmentées. La
pro-blématique principale qui en ressort est l’alignement des objets dans une série
tem-porelle. En effet, quand il s’agit d’aligner des pixels, il suffit de superposer les images
satellites. Il est plus fastidieux pour l’alignement d’objets car il n’y pas de
corres-pondance un à un entre les images. Afin de remédier a cette problématique, nous
proposons la méthode nommée Evolution Graph Based Clustering.
Cette méthode compte trois étapes : (i) la détection des entités spatio-temporelles
(objets de référence), (ii) la construction des graphes d’évolutions et (iii) le clustering
des graphes d’évolutions.
Les entités spatio-temporelles représentent les objets à analyser, les graphes
d’évolutions permettent quant à eux d’illustrer l’évolution des entités
spatio-temporelles et finalement le clustering des graphes permet d’organiser et de mettre
en évidence des objets qui évoluent de la même façon mais aussi des patrons
d’évo-lution.
La représentation des évolutions des objets par graphe a été introduite par (
Gut-tleret collab., 2017). Nous avons adopté la même représentation. Nous avons
pro-posé une méthode d’analyse adaptée aux graphes. Afin de valider notre travail et de
le situer dans l’état de l’art, nous l’avons comparé aux méthodes d’analyse basées
pixel.
Dans ce chapitre, nous décrivons les différents étapes de la méthode proposée
pour l’analyse des séries temporelles d’images satellites orientée objet ( section 4.2).
Nous présentons aussi les résultats expérimentaux obtenus (section 4.3).
Dans le document
Fouille de données à partir de séries temporelles d’images satellites
(Page 64-68)