Protocole de traitement

Le protocole d‟extraction de l‟occupation du sol est décomposé en deux phases : - une phase préliminaire, destinée à estimer la qualité de l‟imagerie Quickbird extraite

de Google Earth.

- Une phase principale, ciblée sur l‟interprétation de l‟occupation du sol.

4.2.1.2.1. Phase préliminaire de qualification de l’imagerie Quickbird Google Earth

Cette étape de qualification de l‟imagerie Quickbird diffusée sur Google Earth est indispensable pour la validation de l‟interprétation. En effet, aucune étude publiée n‟a encore estimé les écarts radiométriques et géométriques entre l‟image diffusée et vendue par l‟opérateur du satellite et celle proposée via le globe virtuel. Si la dégradation de l‟image est suffisamment importante pour altérer l‟interprétation, les deux supports ne peuvent alors plus être considérés comme équivalents.

Pour réaliser cette qualification, nous nous sommes appuyés sur une composition colorée Quickbird rehaussée à 60 cm de résolution, disponible dans notre société d‟accueil et acquise dans le cadre d‟un projet cartographique. Nous l‟avons ensuite comparée avec son exacte réplique sur Google Earth (unique image source). Sur cette image, cinq échantillons ont été extraits, chacun à quatre niveaux de zoom différents. Ils se situent autour de la ville de Maroua, en l‟Extrême Nord Cameroun (Figure 95). Ces échantillons ont été sélectionnés parce qu‟ils contenaient au moins cinq classes d‟objets ou surfaces identifiables distinctes. Aucune correction radiométrique ou géométrique n‟a été appliquée aux échantillons prélevés, de manière à conserver ces caractéristiques.

Figure 95 : Localisation des extraits Quickbirds extraits de Google Earth superposé sur l’image Quickbird source

Les 5 extraits sont localisés autour de la ville de Maroua. Les extraits 1 et 5 intègrent une route goudronnée, des cultures, la végétation et le fleuve. L‟extrait 2 couvre une route entretenue non goudronnée et deux types de sols. L‟extrait 3 est localisé en périphérie urbaine. Enfin l‟extrait 4 couvre une zone de remblais et de sols ferrugineux. Sur ces 5 extraits, les dénivelés topographiques sont faibles (< 5m).

Le premier point de qualification concerne la radiométrie (Figure 96). Nous avons recherché à approcher la radiométrie de l‟image diffusée sur le globe virtuel en appliquant une suite de réglages radiométriques simples sur l‟image originelle.

Le second point cible la qualité globale de l‟image dans le contexte spécifique de l‟interprétation d‟occupation du sol. Chaque couple d‟échantillons « image originelle / image du globe virtuel » est classé, selon les types d‟objets identifiés. Les diagonales des matrices de confusion de chacun des couples sont calculées et comparées. Les classifications sont réalisées pour quatre types d‟algorithmes (bayésien, méthode d‟apprentissage, orientée objet par logique floue et K-means).

Enfin le dernier point valide les interprétations précédentes en excluant les erreurs géométriques. En effet, la projection ellipsoïdale et la correction de relief du globe virtuel provoquent un certain nombre de distorsions géométriques mineures. Ces distorsions, de l‟ordre du pixel, ne sont pas compensées par une orthorectification de l‟image. La matrice de confusion compare les agrégats à une même position géographique. Une translation d‟un pixel peut alors créer une erreur globale de l‟ordre de 20%. Nous avons donc comparé les superficies de chaque classe interprétée.

1

5 2

3

4

Figure 96 : Protocole de qualification de l’imagerie Quickbird issue du globe virtuel Google Earth 4.2.1.2.2. Phase principale d’interprétation d’occupation du sol

Nous avons pris l‟option de faire intervenir l‟expert dans l‟interprétation. L‟objectif de cette phase principale est donc de comparer les résultats de classification supervisée. Les résultats des analyses discriminantes basées sur les attributs de couleur, de forme et de contexte topologique sont les mieux adaptées pour ce type d‟images (Xu, et al., 2004; Blaschke et al., 2007).

Les caractéristiques spatiales et radiométriques des compositions Quickbird diffusées ne sont cependant pas exactement similaires à celles que l‟on peut réaliser à partir des données originelles. Ces différences peuvent alors provoquer un écart important d‟interprétation. Afin de minimiser ce risque, nous avons inclus tous les algorithmes de classification à base pixel les plus couramment utilisés dans cette phase de test.

La première étape (Figure 97) consiste à comparer les résultats de cinq types d‟analyses discriminantes : parallélépipédique, distance minimale à la moyenne, angle spectral, maximum de vraisemblance SVM. Puisque ces classifications font intervenir l‟expert dès la phase d‟apprentissage, nous avons évalué l‟influence du taux d‟échantillonnage de l‟image a priori sur la qualité de la classification. Le taux optimal indiqué par un résultat positif serait alors recherché. Les pixels d‟apprentissage sont extraits de la photo-interprétation de l‟image par un échantillonnage aléatoire stratifié proportionnel à chaque classe d‟objet. La classification orientée objet n‟est pas considérée dans cette étape car il n‟est pas possible d‟y prélever un échantillonnage aléatoire.

Le coefficient kappa (Chrisman, 1991; Friedl & Brodley, 1997) compare les résultats des analyses. Il exprime la qualité globale de la classification par la somme des erreurs de confusions par rapport à une classification aléatoire. Il est compris entre -1 et 1.

A l‟issu de cette première étape, la méthode de classification ayant fourni la plus forte valeur de kappa, quelque soit le taux d‟échantillonnage, est sélectionnée.

Figure 97 : Protocole d’évaluation des méthodes de classification à base pixel, selon un échantillonnage aléatoire, pour l’interprétation de l’occupation du sol

La seconde étape (Figure 98) a pour objectif d‟évaluer le degré de pertinence des analyses supervisées par le biais de deux critères :

- Les erreurs de classification. Elles sont évaluées par un coefficient de portée sémantique que nous avons développé (cf 4.2.2.2.3). A chaque type d‟objet est attribuée une valeur sémantique. Elle correspond à un indice de traficabilité. Le coefficient de portée sémantique exprime les erreurs de confusions de la classification, pondérée par cet indice sémantique appliqué à la traficabilité ;

- Les erreurs de discrimination. Elles sont estimées par un algorithme de sélection spécifique. Il compte le nombre d‟objets répondant positivement à un ensemble de conditions spatiales. Il a pour objectif de déterminer le seuil de taille d‟objet en dessous duquel ils ne sont plus reconnus par l‟interprétation.

Une photo-interprétation d‟expert fournit la base de référence. Nous évaluerons enfin l‟efficacité d‟une combinaison sélective des meilleurs résultats issus de ces deux critères. Une meilleure efficacité est définie par une augmentation du rapport du temps de traitement sur la réduction des erreurs.

Figure 98 : Protocole de qualification de méthodes à base pixel et orientée objet selon deux critères d’estimation, et évaluation de l’efficacité de leur combinaison sélective

Enfin, ces résultats sont étendus sur une variété de paysages du Tchad méridional (Figure 99).

Figure 99 : Protocole de validation de la méthode évaluée par les deux étapes précédentes par son report sur sept types d’environnements du Tchad méridional

4.2.2. Résultats de l’extraction de l’occupation du sol