Analyse du parcellaire par traitement de données multitemporelles s2 à l’aide d’une méthode de fouille de données

Grâce à cette nouvelle approche, il est désormais possible desuivre l’évolution d’un parcellaire agricole ou toute autre entité sur laquelle nous disposonsdes séries temporelles d’images

UNIVERSITÉ NATIONALE DU VIETNAM À HANOI (UNVH)INSTITUT FRANCOPHONE INTERNATIONAL (IFI)

KAFANDO RODRIQUE

ANALYSE DU PARCELLAIRE PAR TRAITEMENT DE DONNÉES MULTI-TEMPORELLES S2 À L’AIDE D’UNE

MÉTHODE DE FOUILLE DE DONNÉES

ỨNG DỤNG PHƯƠNG PHÁP KHAI PHÁ DỮ LIỆU CHO PHÂN TÍCH LÔ BẲNG XỮ LÝ DỮ LIỆU ĐA THỞI GIAN

S2

Spécialité : Systèmes Intelligents et Multimédia

Code : Programme Pilote

MÉMOIRE DE FIN D’ÉTUDES DU MASTER

INFORMATIQUE

HANOI - 2018

UNIVERSITÉ NATIONALE DU VIETNAM À HANOI (UNVH)INSTITUT FRANCOPHONE INTERNATIONAL (IFI)

KAFANDO RODRIQUE

ANALYSE DU PARCELLAIRE PAR TRAITEMENT DE DONNÉES MULTI-TEMPORELLES S2 À L’AIDE D’UNE

MÉTHODE DE FOUILLE DE DONNÉES

ỨNG DỤNG PHƯƠNG PHÁP KHAI PHÁ DỮ LIỆU CHO PHÂN TÍCH LÔ BẲNG XỮ LÝ DỮ LIỆU ĐA THỞI GIAN

S2 Spécialité : Systèmes Intelligents et Multimédia

Code : Programme Pilote

MÉMOIRE DE FIN D’ÉTUDES DU MASTER

ATTESTATION SUR L’HONNEUR

J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui

y sont présentés sont exacts et n’ont jamais été publiés ailleurs La source des informations citées dans

ce mémoire a été bien précisée.

LỜI CAM ĐOAN

Tôi cam đoan đây là công trình nghiên cứu của riêng tôi Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác Các thông tin trích dẫn

trong Luận văn đã được chỉ rõ nguồn gốc.

KAFANDO RODRIQUE

L’insécurité alimentaire est de nos jours l’un des fléaux qui menace le monde, surtoutles pays en voie de développement Faisant face à cette situation, il devient nécessaire deprendre de mesures qui permettront de suivre l’évolution des parcellaires culturaux enfonction de leurs occupations a partir des séries temporelles d’images satellitaires

Les occupations agricoles sont difficilement maˆıtrisables, surtout dans les zones auxaccès limités Une occupation peut varier d’une période à une autre, que ce soit sur leplan morphologique et/ou dans son contenu La question principale qui se pose doncest de savoir comment faire pour pouvoir suivre et analyser de fa¸con automatique, lecomportement d’une parcelle agricole sur une série temporelle d’images quelque soit lataille de cette dernière

C’est dans ce cadre qu’une méthodologie d’analyse de séries temporelles a été mise enplace dans le but de pouvoir suivre de fa¸con automatique l’évolution d’une entité donnéesur le plan spatio-temporel Grâce à cette nouvelle approche, il est désormais possible desuivre l’évolution d’un parcellaire agricole ou toute autre entité sur laquelle nous disposonsdes séries temporelles d’images satellites et de mener des analyses sur ces données.Dans cette étude, nous effectuerons une analyse sur le parcellaire cultural du bassin

de Kamech, une zone agricole de 2 km 2 située au Nord de la Tunisie

Réalisé au sein du l’unité de recherche UMR-TETIS, plus précisément à l’IRSTEAsur une durée de six (06) mois, le présent rapport a deux principaux buts Le premier estd’ordre académique et s’inscrit dans le cadre de la validation de notre cursus de Master

en informatique Quant au second, il est d’ordre professionnel, du fait que notre travail aété élaboré dans le cadre d’un projet de recherche et d’innovation

Mots clés : fouille de données, STIS , graphe, objet, segmentation, stabilité spatiale,parcellaire cultural

Food risk managment is nowadays one of the scourges that threatens the world, cially for developing countries Faced to this situation, it becomes necessary to take somemeasures that will help to control the various farms according to their occupations andtheir changes during the seasons

espe-Agricultural occupations are difficult to control, especially in areas with limited access

An occupation can vary from a period to another, either on its morphological and/or itscontent The main question then is how to automatically monitor the behaviour of a givenagricultural parcel over an STIS , regardless of its size

It’s within this study that a time series analysis methodology has been set up by [4]

in order to be able to automatically monitor the evolution of a given entity consideringthe morphological level Thanks to this new approach, it is now possible to monitor theevolution of an agricultural plot on which we have satellite image time series and to carryout analyses on this plot

In this study, we will study more precisely the stability of the cultural plot of theKamech basin, an agricultural zone located in the southern of Tunisia

Carried out within the UMR-TETIS research unit, precisely at IRSTEA over a period

of six (06) months, this report has two main aims The first is an academic requierementthat allow the qualification of our Master’s degree program in computer science Thesecond is a professional one, because our work was developed as part of a research andinnovation project

Keywords : data mining, STIS, graph, object-based analysis, segmentation, spatialstability, cultural plot

La réalisation de ce mémoire a été possible grâce au concours de plusieurs personnes

à qui je voudrais témoigner toute ma reconnaissance

Je voudrais tout d’abord adresser toute ma gratitude et mes sincères reconnaissances

à mes encadrants, M Ienco Dino et Mme Teisseire Maguelonne, pour leur patience, leurdisponibilité et surtout pour la confiance qu’ils ont porté à mon égard Leur judicieuxconseils, ont contribué au bon déroulement de mon stage et à l’aboutissement de ces ré-sultats

Je désir également remercier le corps enseignants de l’Institut Francophone nal (IFI), qui m’ont fourni les outils nécessaires à la réussite de mes études universitaires

Internatio-Je voudrais exprimer ma reconnaissance envers Mlle Khiali Lynda pour sa bilité et ses explications qui ont contribué à faciliter ma compréhension sur certains points

disponi-J’aimerais remercier tous les membres et spécialistes du projet, qui ont pris le temps

de discuter de mon sujet Chacun de ces échanges m’a aidé à faire avancer mon analyse

Enfin, je remercie toute ma famille, et aussi à tous ceux ou toutes celles qui m’ontapporté de prêt ou de loin leur soutien moral et/ou intellectuel durant ces six mois

Table des matières

1.1 Introduction Générale 2

1.2 Contexte 2

1.3 Objectif 3

1.4 Problématique 3

1.5 Travail à réaliser 3

Chapitre 2 État de l’art 5 2.1 Introduction 6

2.2 Une approche orientée graphe pour détecter la dynamique spatiotemporelle dans les séries temporelles d’images satellites 6

2.2.1 Objectif 6

2.2.2 Méthodologie 7

2.2.3 Expérimentations et Résultats 7

2.3 Analyse orientée objet des séries temporelles d’images satellites à l’aide d’une représentation basée sur des graphes 8

2.3.1 Objectif 8

2.3.2 Méthodologie 8

2.3.3 Expérimentations et résultats 8

2.4 Détection et analyse de changements sur l’occupation des terres à base de l’ACP en utilisant des données satellites multitemporels et multi-capteurs 9 2.4.1 Objectif 9

2.4.2 Méthodologie 9

2.4.3 Expérimentations et Résultats obtenus 10

2.5 Classification des zones urbaines par combinaison d’une analyse orienté objet et une analyse orienté pixels sur des images à très hautes résolution

(VHR) 10

2.5.1 Objectif 10

2.5.2 Méthodologie 11

2.5.3 Expérimentations et Résultats 11

2.6 Détection de changements dans une forêt par une méthode statistique basée sur une analyse orientée objet 12

2.6.1 Objectif 12

2.6.2 Méthodologie 13

2.6.3 Expérimentations et Résultats 13

2.7 Synthèse 14

2.8 Approche proposée et contributions 14

2.8.1 Approche proposée 14

2.8.2 Contributions 14

Chapitre 3 Méthodologie 17 3.1 Description générale 18

3.2 Phases de réalisation 18

3.2.1 Sélection des objets de référence ObjRefs 18

3.2.2 Construction des graphes 21

3.2.3 Construction des cartes de chaleurs 23

3.2.4 Critères d’évaluations 23

3.3 Conclusion 24

Chapitre 4 Présentation des données et protocole expérimentatal 25 4.1 Présentation des données 26

4.1.1 Généralités sur les données de Sentinel-2 [1] 26

4.1.2 Les données utilisées 27

4.1.3 Pré-traitement des données 27

4.2 Définition des paramètres 29

4.2.1 Paramètres pour la segmentation 30

4.2.2 Paramètres pour la construction des graphes 30

4.3 Analyse des résultats 31

4.3.1 Segmentation des images 31

4.3.2 Sélection des objets de référence 31

4.3.3 Construction des graphes 32

4.3.4 Construction des cartes de chaleurs 33

4.3.5 Analyses statistiques 35

4.4 Conclusion 42

4.5 Environnement matériel et outils de travail 42

4.5.1 Environnement matériel 42

4.5.2 Outils de travail 43

Table des figures

2.1 Exemple d’un graphe d’évolution[4] 8

2.2 Résultats sur Libron valley[7] 9

2.3 Résultats sur Lower Aude valley[7] 9

2.4 Données d’apprentissage et de test[12] 11

2.5 Résultats de la classification [12] 12

2.6 Table d’évaluation[3] 13

3.1 Schéma général 24

4.1 Bandes spectrales de Sentinel-2 [1] 26

4.2 Représentation des différentes cultures du bassin de Kamech [source : Anne Biarnes, IRD] 27

4.3 Exemple de segmentation : sptatialr=30 , ranger=10, Nb segments = 502 31 4.4 Exemple de segmentation : sptatialr=30 , ranger=40, Nb segments = 147 31 4.5 Couverture des objets de référence : α= 0.75, Nb ObjRefs = 75 , Tcov=85.60% , Tchv=1.47 % 32

4.6 Couverture des objets de référence : α= 0.2, Nb ObjRefs = 172 , Tcov=98.64% , Tchv= 30.73 % 32

4.7 Exemple de graphe d’évolution 1 33

4.8 Exemple de graphe d’évolution 2 33

4.9 Carte de chaleur : cas 1 34

4.10 Carte de chaleur : cas 2 34

4.11 Pourcentage cumulé des pixels par rapport au seuil d’apparition 35

4.12 Distribution des pixels en fonction de leur fréquence d’apparition : le cas des cultures annuelles 36

4.13 Distribution des pixels en fonction de leur fréquence d’apparition : le cas des cultures fourragères 37

4.14 Distribution des pixels en fonction de leur fréquence d’apparition : le cas du blé 37

4.15 Indices de Jaccard entre graphes et classes d’occupation 38

4.16 Graphe décrivant l’évolution du lac 39

4.17 Correspondance entre graphes et parcellaire : cas 1 40

4.18 Correspondance entre graphes et parcellaire : cas 2 40

4.19 Correspondance entre graphes et cultures annuelles : cas 1 41

4.20 Correspondance entre graphes et cultures annuelles : cas 2 41

4.21 Correspondance entre graphes et Végétation naturelle : cas 1 42

4.22 Correspondance entre graphes et Végétation naturelle : cas 2 42

Liste des tableaux

2.1 Table de données d’expérimentations[4] 7

2.2 Synthèse de l’état de l’art 15

4.1 Les différentes classes d’occupations 28

4.2 Caractéristiques des données brutes 28

4.3 Caractéristiques des données après pré-traitement 29

4.4 Valeurs de quelques indices de Jaccard 38

4.5 Scores NMI entre couverture de graphes et parcellaire 40

4.6 Scores NMI entre graphes et classes d’occupations 41

ARI : Adjusted Rand Index

ML : Maximum Likelihood

MOR : Morphology

NDVI : Normalized Difference Vegetation Index

NDWI : Normalized Difference Water Index

NMI : Normalized Mutual Information

OB-NDVI : Normalized Difference Vegetation Index-object level approchPCA : Principal Component Analysis

VHR : Very High Resolution

VSDI : visible and shortwave drought indeX

ObjRefs : Objets de Référence

Otb Orfeo ToolBox

PAC : Pixels Already Covert

STIS : Série Temporelle d’Images Satellites

Chapitre 1

Analyse du sujet

L’objectif de ce premier chapitre est de présenter une analyse exploratoire de notresujet Pour ce faire, nous y aborderons différents points tout en commen¸cant par l’in-troduction générale, la définition du contexte ainsi que l’objectif de l’étude et enfin laproblématique qui se dessine autour du sujet

1.1 Introduction Générale

L’agriculture est l’un des secteurs primordiaux pour la vie et le développement del’humanité Elle intervient d’une part dans la lutte pour l’auto-suffisance alimentaire, etconstitue aussi une source de revenu pour la plupart des agriculteurs Grâce à la moderni-sation des techniques culturales, les exploitations agricoles évoluent considérablement avec

le temps Cette évolution n’est pas sans inconvénient sur la maˆıtrise des surfaces tables ou exploitées De nos jours, des satellites de surveillances permettent de recueillir

exploi-et de stockées de fa¸con périodique des informations sur certaines zones

En effet, la télédétection par satellite est l’un des moyens les plus performants quipermet une collecte automatisée des données en grande quantité et de fa¸con périodique.Lors de son passage, les informations recueillies peuvent être stockées sous forme d’images.Grâce à l’orbite polaire des satellites d’observation de la terre, nous nous retrouvons avecdes informations d’une même surface à des périodes différentes d’ó l’appellation sérietemporelle Les séries temporelles que fournissent les satellites sont donc des images deplusieurs zones ou espaces recueillies sur des instants différents Quand bien même que,ces images sont issues de la même zone, les informations qui les composent varient d’unepériode à une autre Cependant, les informations contenues dans ces données peuventêtre difficile à interpréter due au manque de méthodes adaptées et de procédés d’analysesapplicables sur ces grandes bases de données Suivre l’évolution morphologique et/ou tem-porelle d’un environnement sur une longue durée reste donc une tâche qui fait l’objet deplusieurs recherches Dans le cas présent, il est question de suivre l’évolution des surfacesagricoles qui ne cessent de varier ou subissent des transformations au fil du temps à partirdes images satellitaires, plus précisément de SENTINEL-S2

Dans la suite de notre travail, nous aborderons premièrement l’analyse du sujet, mement nous étudierons l’état de l’art afin de faire ressortir quelques études ayant faitl’objet du problème posé Troisièmement, nous aborderons la méthodologie de fa¸con dé-taillée Le protocole expérimental et l’analyse des résultats seront présentés dans unequatrième partie Pour terminer, nous présenterons dans la cinquième partie, la conclu-sion finale ainsi que les perspectives

L’exploitation des sols agricole varie d’une saison à une autre De nouveaux espacespeuvent être acquis ou abandonnés, un même espace peut faire l’objet de cultures diffé-rentes d’une saison à l’autre Cette évolution dynamique rend difficile le suivi de cesespaces dont la maˆıtrise s’avère pourtant primordiale pour l’évaluation de la production

Ce travail est élaboré dans le cadre du projet TOSCA A-Muse, un projet ciplinaire coordonné par le laboratoire LISAH (SupAgro) en partenariat avec plusieurslaboratoires dont l’UMR TETIS Il s’intègre dans plusieurs domaines dont l’agriculture,

multidis-la télédétection, l’informatique et plus précisément le traitement d’image et multidis-la fouille dedonnées

L’objectif principal de cette étude est de proposer une approche permettant d’analyser

le parcellaire cultural Cette approche s’appuiera sur la méthode proposée par Fabio tler et al, [4], spécifiquement mise en place pour l’analyse des séries temporelles d’imagessatellites

Grâce aux nouvelles techniques de recherche d’informations, les grandes bases dedonnées issues des séries temporelles sont maintenant exploitables Cependant, la plupartdes méthodes ou des approches existantes sont basées sur des techniques de classifica-tion appliquées sur des séries temporelles de dimensions réduites Elles ne permettent pas

de fournir des informations sur l’évolution et le comportement des séries temporelles detailles importantes

L’objectif de ce travail est de proposer une approche permettant d’analyser les sériestemporelles d’images satellites, plus précisément pour le parcellaire cultural

La question principale qui se pose est : comment peut-on arriver à suivre l’évolution

ou le comportement d’une entité donnée de l’espace sur une mesure spatio-temporelle ?

Notre travail s’inscrit dans le cadre d’une recherche scientifique, il est donc nécessairepour nous de le subdiviser ou de l’organiser sur deux principaux plans, à savoir le planthéorique et le plan pratique

Sur le plan théorique : cette dimension de notre étude a pour but de nous orientersur les différents travaux ayant déjà abordés plus ou moins la problématique posée dansnotre étude C’est à l’issue de cette étude que nous proposerons le principe solution ou

l’approche à adopter pour la méthodologie à mettre en place pour l’analyse du parcellairecultural.

Sur le plan pratique : cette partie est consacrée à la mise en place de la méthodologie

et les techniques d’analyses que nous aurons à proposer Une fois la solution mise enplace, nous procédons à son évaluation, c’est-à-dire, aux différentes expérimentations surdes données réelles qui nous permettrons de valider notre approche A l’issue de ce travail,nous espérons accomplir les objectifs précédemment énumérés dans la section 1.3

Chapitre 2

État de l’art

L’objectif de ce deuxième chapitre est de mener une étude exploratoire afin d’avoir unevision globale des travaux existants qui ont abordé plus ou moins les mêmes thématiquesassociés à notre sujet Nous allons donc au cours de cette étude, effectuer une synthèse destravaux sélectionnés afin de faire ressortir l’objectif, les techniques ou approches abordées,les points faibles et points forts de chacune d’elle

2.1 Introduction

L’occupation des sols est sans doute le sujet de recherche le plus étudié en télédétection

De fa¸con générale, les techniques et approches utilisées lors de ces différentes études surl’analyse des séries d’images spatio-temporelles se résument en deux grandes étapes Ils’agit essentiellement de la phase d’identification de niveau d’analyse (pixel ou objet) etles techniques d’analyses d’évolution sur le plan temporel qui varient d’une approche àune autre

Pour ce faire, deux techniques sont principalement utilisées

• La première consiste à considérer le pixel comme unité élémentaire d’analyse, à-dire effectuer l’analyse au niveau pixel[6] L’information du pixel est analysée

c’est-en fonction de ses valeurs radiométriques qui le composc’est-ent le long de la sérietemporelle

• La seconde consiste à tenir compte d’un groupe de pixels ou encore d’une région

ou d’un objet Cette méthode est généralement basée sur la texture et appartient

à la famille des méthodes qui manipulent directement les régions Chaque régionest formée par regroupement de plusieurs pixels Les pixels ayant les valeurs radio-métriques similaires sont regroupés ensemble et la valeur radiométrique de cetensemble sera équivalente à la moyenne des valeurs des différents pixels qui lecompose [11, 8]

Quant aux techniques de suivi, les méthodes utilisées jusqu’à présent sont principalementbasées sur les techniques de comparaison En dehors de la méthode sur laquelle sera baséenotre étude, les techniques existantes sont limitées par le fait qu’elles ne sont applicablessur des séries temporelles de grande taille

Dans les paragraphes suivant, nous présenterons cinq travaux de recherches basés surdes analyses orientées pixels et objets

dynamique spatiotemporelle dans les séries porelles d’images satellites

tem-2.2.1 Objectif

L’étude menée par Fabio Guttler et al [4], a pour objectif, la mise en place d’uneapproche basée sur le principe des graphes, permettant de suivre l’évolution spatio-temporelle d’une entité ou objet donné dans le temps et dans l’espace Elle constituera la

base de notre étude.

2.2.2 Méthodologie

L’idée générale de la technique proposée repose sur le fait qu’une entité spatiale appeléeBounding Boxe BB qui connaˆıt des évolutions morphologiques possède une empreintemaximale à une période T donnée Pour chaque entité choisie, un graphe d’évolution estalors utilisé pour illustrer son évolution allant d’une période T=0 à une période T=n-1,avec n la taille de la série temporelle Chaque graphe ainsi obtenu permet de retracer lestransformations morphologiques de l’entité et de voir les périodes sur lesquelles elle eststable ou instable dans le temps

2.2.3 Expérimentations et Résultats

Dans le but de pouvoir valider l’approche proposée, des expérimentations ont étémenées principalement sur deux sites différentes que sont Libron Valley et Lower AudeValley La taille de la série temporelle était de six (06) périodes allant de février à sep-tembre 2009 (table 2.1) Ces images sont issues du satellite LandSat

Table 2.1 – Table de données d’expérimentations[4]

La figure 2.1 nous permet de voir un exemple de graphe illustratif Sur les 6 périodesdécrites, le bounding box ou l’objet de référence prend son empreinte maximal au tempsT0 correspondant à la date d’acquisition du 24 février De même, la période à laquelleelle est très instable correspond au temps T2 ó le même objet s’est subdivisé en quatresous-objets

Il a été démontré également qu’il est possible, à partir de ce modèle de mettre en dence la pertinence des régions à partir de leurs indices spectraux Cette technique a étéutilisée dans le cas d’une étude sur zones agricoles Les indices mis en évidence étaient l’in-dice de végétation ou le NDVI (Normalized Difference Vegetation Index), l’indice de l’eau

évi-ou NDWI(Normalized Difference Water Index), l’indice de sécheresse évi-ou VSDI(visible and

Figure 2.1 – Exemple d’un graphe d’évolution[4]

shortwave drought indeX) L’étude a permis de mettre en évidence et de faire ressortir

différents types de cultures pratiquées dans une zone et de suivre leurs évolutions

satellites à l’aide d’une représentation basée sur

des graphes

2.3.1 Objectif

L’objectif visé dans cette étude de Khiali et al, [7] est de proposer une méthodologie

de classification spécifiquement orientée objets pour les données en provenance des séries

temporelles des images satellites

2.3.2 Méthodologie

L’approche proposée s’appuie sur celle proposée par Fabio Guttler et al [4]

précédem-ment étudiée Après la construction des graphes comme le propose l’approche de base, la

méthode de classification appelée EGraphClustering à permis de faire ressortir les entités

ou régions de la zone d’étude qui présentent des comportements similaires sur le plan

spatio-temporel

2.3.3 Expérimentations et résultats

Les données utilisées pour l’évaluation de la méthode sont des séries temporelles

d’images du satellite LANDSAT de deux sites différents Le premier site nommé la Valley

du Libron fait 1.655 ha et le second site nommé Valley de Aude fait 4.842 ha

Dans le but d’évaluer la méthodologie proposée, une étude comparative a été tuée avec trois autres méthodes La première est une classification au niveau pixels, ladeuxième est une méthode de classification basée au niveau objet et la troisième, combineles deux niveaux à savoir pixels et objets pour la classification Pour finir, des calculs

effec-de performances ont été effectués entre les différentes approches tout en couplant cune d’elle avec deux autres algorithmes de classifications non supervisés Il s’agit d’unalgorithme de classification hiérarchique et un algorithme de classification spectrale Unemesure du NMI (Normalized Mutual Information) et du ARI (Adjusted Rand Index) ontété appliquées sur les résultats obtenus par les différentes approches Comme le présente

cha-la figure 2.2 et 2.3, l’approche EGraphClustering donne de meilleurs résultats par rapport

à l’ensemble des trois autres méthodes que ce soit sur le site de Libron ou Aude Il a étédémontré aussi que les performances en temps de calculs, le EGraphClustering donnaitdans l’ensemble des temps de calculs plus réduits par rapport aux trois autres

Figure 2.2 – Résultats sur Libron

valley[7]

Figure 2.3 – Résultats sur LowerAude valley[7]

l’occu-pation des terres à base de l’ACP en utilisant des données satellites multitemporels et multi- capteurs

2.4.1 Objectif

Cette étude menée par Deng,et al [2], avait pour objectif de détecter les changementsdes terres dans la ville de Hangzhou en chine sur une étendue de 6142 ha Les donnéesutilisées provenaient des séries temporelles de SPOT-5 et de Landsat

2.4.2 Méthodologie

La méthode appliquée a permis de faire ressortir une carte illustrant les différentschangements que connaˆıt la zone d’étude Il s’agit d’une classification basée sur l’analyse

des composantes principales ou PCA au niveau pixel Dans cette étude, les principauxchangements d’intérêt sont les terres agricoles et les terres urbaines sur une période d’unedurée de 3 ans (2000-2003 ) Dans la carte des changements d’affectation des terres, lesdifférentes types de terres détectées et identifiées autour de la ville de Hangzhou peuventêtre résumés comme suit : terres cultivées ; zone en construction ; verger ; eau ; sites deconstruction ; forêt ; des terres cultivées aux zones bâties ; des terres cultivées dans leschantiers de construction ; de verger aux zones bâties.

2.4.3 Expérimentations et Résultats obtenus

Réalisée sur une zone de 6142 ha, l’étude montre qu’un changement considérable del’utilisation des terres a eu lieu dans la ville de Hangzhou au cours de la période de troisans (2000-2003)

Les résultats obtenus ont permis de faire ressortir une augmentation des terres urbaines

de 20,71% soit 4982,94 ha Parmi ces 20,71%, 20,25% provenaient des terres cultivées

et 0,46% des vergers En effet, ces vastes portions de terres cultivées ont été envahiespour l’étalement urbain, telles que l’immobilier, les zones de développement économique

et technologique et les nouveaux parcs universitaires ou industriels De plus, il ressort

un très faible changement au niveau des forêts Cela s’explique par le fait que les forêtsbénéficient d’une stricte protection de la part des autorités grâce à des raisons historiques.Malheureusement, ces changements constituent une perte permanente de terres agri-coles, parce qu’il est impossible de reconvertir l’utilisation des terres urbaines en terresagricoles, constituant ainsi une menace pour le développement durable et la sécurité ali-mentaire de la région

combinai-son d’une analyse orienté objet et une analyse orienté pixels sur des images à très hautes réso- lution (VHR)

2.5.1 Objectif

Cette étude menée par Salehi, et al [12], introduit une nouvelle approche pour laclassification des couvertures terrestres mesures spectrales et morphologiques en utilisantdes images à très haute résolution ou VHR

55 bandes (PS + SP + TXT + MOR) La méthode de classification Maximum Likelihood

ou ML a été appliquée à chaque ensemble de données pour évaluer l’impact de chacunedes composantes sur l’amélioration de la précision lors de la classification

2.5.3 Expérimentations et Résultats

Les données utilisées lors de l’expérimentation sont des images du centre-ville de dericton, au Canada collectées à la fin de l’été, dans laquelle on rencontre des formes deplusieurs types tel que les petites maisons, de grands immeubles commerciaux, des ruesétroites, des autoroutes, etc Une segmentation multi-résolution dans laquelle des objets

Fre-de différentes tailles et formes sont bien représentés dans différents niveaux Fre-de tion a été réalisée pour la phase de classification Ainsi, le tableau 2.4 présente les donnéesutilisées lors de la phase d’apprentissage et de la phase de test

segmenta-Figure 2.4 – Données d’apprentissage et de test[12]

Lors de cette étude, un algorithme de classification au niveau pixel basé sur la semblance maximum ou Maximum Likelihood (ML) [5] a été appliqué aux images multi-

vrai-spectrales pour la classification en cinq classes (figure 2.4).

Afin d’évaluer, la performance des mesures spectrales, texturales et morphologiquessur la classification, chaque ensemble de mesures (c’est-à-dire, spectral, textural et mor-phologique) a été considéré comme un groupe de bandes

Les résultats de la classification ont montré que la texture spectrale et la morphologieaugmentent respectivement environ de 7% la précision de la classification comparative-ment à l’image d’origine sans ces deux composantes Plus précisément,il a été démontréque l’impact de ces deux composantes est plus significatif sur la classification des routes

et des bâtiments Ces résultats expliquent le fait que les routes et les bâtiments sont plusreprésentatifs par leur formes que par leurs textures Les résultats issus de la classificationsur les différentes classes sont présentés dans le tableau de la figure 2.5

Figure 2.5 – Résultats de la classification [12]

une méthode statistique basée sur une analyse orientée objet

2.6.1 Objectif

L’objectif de cette recherche mise au point par Desclee et al 2006 [3],est de proposerune nouvelle approche qui permettrait de suivre les changements d’une forêt à partir desimages satellites

de conifères, le dernier type étant dominant.

L’étude a été réalisée sur trois dates , respectivement le 7 aoˆut 1992 (XS92), le 24juillet 1995 (XS95) et le 14 septembre 2003 (XS03), respectivement à partir des satellitesSPOT-2, -3 et -5

Les résultats obtenus au cours de cette étude sont illustrés dans le tableau 2.6 enfonction des différentes approches

Figure 2.6 – Table d’évaluation[3]

Dans ce tableau, nous pouvons remarquer les performances comparées entre les rentes approches étudiées Sur l’ensemble des tests effectués, l’approche orienté objet OB-NDVI se révèle performante pour l’analyse de l’occupation forestière comparativement àcelle au niveau pixel RGB-NDVI

diffé-2.7 Synthèse

Suite aux différentes analyses, nous présentons le tableau 2.2, un résumé sur les proches et méthodologies utilisées dans chacun des articles étudiés Nous faisons ressortirégalement les points fort et les points faibles de chaque analyse Les résultats finaux nouspermettent de conclure que les méthodes d’analyses orientés objets permettent de d’éli-miner les effets parasites lors de la classification, contrairement à l’analyse niveau pixel.Quant aux approches proposées pour l’analyse ou le suivi des séries temporelles, seulel’approche orientée graphe, proposée dans [4], permet de faire un suivi sur l’évolutionspatiale d’une série temporelle quelque soit la taille de cette dernière Elle vient palierdonc les problèmes liés au suivi sur les changements morphologiques des objets sur le planspatio-temporel

2.8.1 Approche proposée

À l’issue de cette étude, nous avons choisi la solution proposée par Fabio Guttler et

al, [4] pour servir de base de notre étude Notre objectif étant de faire une analyse duparcellaire cultural, nous avons adopté cette approche pour diverses raisons que sont :

— c’est une approche spécifiquement mise en place pour le suivi et l’analyse des STIS( Série Temporelle d’images Satellites)

— elle permet par l’illustration des graphes, de mettre en évidence le comportementspatio-temporel d’une zone donnée, quelque soit la taille de la série temporelle ;

— elle a permis de pallier un problème sur l’analyse des séries temporelles, plus cisément sur l’échelle spatio-temporelle ;

pré-2.8.2 Contributions

Nous nous sommes basés sur l’étude citée ci-dessus, pour proposer une approche quinous permettra d’effectuer une analyse plus profonde sur le comportement des parcellesculturales Notre apport sur cette méthodologie peut être synthétisé sur les principauxpoints suivants :

— la construction des cartes de chaleur : il s’agit d’une approche qui a pour but, defaire ressortir le degré de stabilité de chaque parcelle À l’issu de cette étude, pourchaque parcelle, il serait possible de déterminer sur une dimension spatiale, quellessont ses parties les plus stables ou instables

Méthodologies Données utilisées Remarques

- Analyse par

- Temps d’acquisition :

2000 - 2003

- Zone d’étude élevée

- Réduction de la redondance des données

- Bonne détection des différentes variations

(ha Mise en évidence de l’impact de la texture

et de la morphologie sur la classification

- Taille de données très réduite, pouvant mettre en cause la crédibilité des résultatsobtenus

pé Bonnes performances avec l’analyseorientée objet, c-à-d le OB-NDVI

- Aude valley :4.842 ha

- taille de la ST : 06périodes chacune

- Mise en évidence des évolutions temporelles des entités

spatio Données d’expérimentation élevées

- Méthode applicable quelque soit la taille de

- Aude valley :4.842 ha

- taille de la ST : 06périodes chacune

- Mise en évidence des évolutions temporelles des entités

spatio Données d’expérimentation élevées

- Méthode applicable quelque soit la taille de

la série temporelle

- Excellents résultats de classification encomparaison des autres méthodes cités ci-haut

Table 2.2 – Synthèse de l’état de l’art

— une analyse échelle des cartes de chaleur : le but de cette analyse échelle est de mettre en évidence ou de quantifier la stabilité spatiale du parcellaire

multi-en fonction de la durée de la série temporelle En effet, sur plusieurs observationsd’une même parcelle, nous déterminons le nombre de fois qu’une portion donnée

de cette dernière reste stable

— l’évaluation de la méthode sur plusieurs valeurs de tests : cette évaluation a pourbut de tester la validité de nos résultats sur des valeurs de segmentation différentesavec le même parcellaire ou la même zone d’étude

Chapitre 3

Méthodologie

L’objectif de ce troisième chapitre est de donner une description générale de la thodologie, de présenter les différentes étapes ainsi que les techniques et procédés utiliséspour leurs réalisations