APPORT POTENTIEL DE L IMAGERIE SATELLITAIRE SUR LES THEMATIQUES LIEES A L OCCUPATION DU SOL

Transcription

1 MINISTERE de l ECOLOGIE, du DEVELOPPEMENT DURABLE, des TRANSPORTS et du LOGEMENT APPORT POTENTIEL DE L IMAGERIE SATELLITAIRE SUR LES THEMATIQUES LIEES A L OCCUPATION DU SOL Pôle Applications Satellitaires et Télécommunications MEDDTL/CETE SO/DALETT/SCGSI Journée de Sensibilisation et de Travail 22/05/2012

2 OBJECTIFS DE LA PRESENTATION NOTRE APPROCHE DE LA THEMATIQUE «IMAGERIE SATELLITAIRE ET OCCUPATION DU SOL» ELEMENTS TECHNIQUES : IMAGES, OUTILS, EXTRACTION AUTOMATIQUE DE L INFORMATION ELEMENTS DE REFLEXION SUR L ETAT OPERATIONNEL DES TECHNIQUES DE TELEDETECTION ET EXEMPLES 2

3 LE PÔLE «APPLICATIONS SATELLITAIRES ET TELECOMMUNICATIONS» SERVICES INSTITU- TIONNELS DG DREAL DRAAF DDT CETE POLE SATELLITAIRE Promouvoir les Applications Satellitaires Appui technique, éventuellement prestations Identifier les utilisateurs potentiels Faire remonter les besoins Coopérations, Partenariats et projet ACTEURS TECHNIQUES DANS LES APPLICATIONS SATELLITAIRES Laboratoires, CNES, Fournisseurs de services PME INTÉGRER DE MANIÈRE PERTINENTE ET UTILE L UTILISATION D IMAGES SATELLITES DANS LES SERVICES INSTITUTIONNELS 3

4 ETUDE GENERALE SUR L OCCUPATION DU SOL APPORT POTENTIEL DE L IMAGERIE SATELLITAIRE POUR L ÉTUDE DE L OCCUPATION DU SOL ET DE LA CONSOMMATION DE L ESPACE CERTU/DGALN Contact CERTU : Benoit GOURGAND Contact DGALN : François SALGE THEME 1: Animation, diffusion des résultats THEME 2 : La place du satellitaire dans le contexte actuel THEME 3 : Les aspects techniques liés aux études utilisant des données spatiales THEME 4 : Projets de démonstration 4

5 APPROCHE GENERALE DETAIL THEME 4 CARTOGRAPHIE RAPIDE DE L OCS SUR ARCACHON PREMIERS ESSAIS CARTOGRAPHIE DE L OCS SUR ARCACHON EN UTILISANT LES COMPLÉMENTARITÉS DE DIFFÉRENTES SOURCES DE DONNÉES: MAJIC, BD TOPO ET IMAGES SATELLITES DREAL Aquitaine ETAT DE L ART ET SPÉCIFICATIONS TECHNIQUES POUR UN CCTP DREAL Midi-Pyrénées OCCUPATION DU SOL SUR LE LIMOUSIN CONSOMMATION DE L ESPACE AUTOUR DE LIMOGES DREAL Limousin DETERMINATION FINE DE LA DENSITE URBAINE SUR TOULOUSE : THRS ET STEREO CERTU EVALUATION FINANCIÈRE POUR LA MISE EN PLACE D UN DISPOSITIF D INDUSTRIALISATION DE LA PRODUCTION D UNE COUCHE D OS LIBRE DE DROITS DGALN 5

6 THEME 2 : LA PLACE DU SATELLITAIRE DANS LE CONTEXTE UTILISATEUR EXPRESSION DES BESOINS Echanges directs (Réunions, Journées thématiques ) Questionnaires en ligne Etude Biblio ETUDE DES BASES DE DONNEES EXISTANTES Inventaire Comparaisons Les résultats de ces réflexions seront synthétisées dans un rapport livré fin

7 2.1 : EXPRESSION DES BESOINS QUI : DDT41 et 65, DREAL Basse Normandie, Bretagne, Limousin, Guyane, Languedoc Roussillon, Aquitaine, Rhône Alpes, Midi-Pyrénées, DEAL Guyane LES PROBLEMATIQUES DE L'OCCUPATION DU SOL 1.Consommation de l espace et évolution 2.Cartographie rapide et/ou fine de la tâche urbaine 3.Complémentarité des Bases de Données ÉCHELLE D'ÉTUDE PLU, SCoT, Départementale et Régionale Grandes zones PERIODE D ETUDE Les 10 dernières années Relativement cohérent avec l offre spatiale (archives) BESOINS EN TERMES DE NOMENCLATURE - 6 ou 7 classes - Ou plus de 30 classes - Référence : CLC 7

8 2.1 : EXPRESSION DES BESOINS METHODES CLASSIQUE D EXTRACTION DES INFORMATIONS Croisement sous logiciel SIG: De : BD Topo, Ortho, MAJIC et RPG Mais également : BD Parcellaire et Corine Land Cover Peu d'études travaillent avec des images satellites : photo interprétation Télédétection : très peu utilisée, considérée comme immature et complexe LES LIMITES DES METHODES CLASSIQUES Mise à jour trop lente des bases de données (Besoin : 1 fois/an, Offre : 1fois/3 à 5 ans) Coût élevé des données (SPOT Théma ) Lenteur dans le traitement des données Données inadaptées/inexistantes par rapport à la question étudiée 8

9 2.1 : EXPRESSION DES BESOINS SATELLITES Capacité de revisite élevée Suivi régulier Couverture large Traitement homogène de l'image Coûts souvent plus faibles ATTENTES LIEES AU SATELLITAIRE Fourniture de couches SIG exploitables sous les logiciels disponibles Aide méthodologique et pour la rédaction de CCTP Possibilité de travailler en interne : faibles coûts, logiciels et images libres, ergonomie Formations et appuis techniques sur l'utilisation d'images satellites THEME PRINCIPAL Evolution de l Occupation du sol 9

10 2.1 : EXPRESSION DES BESOINS EN PRATIQUE, LES BESOINS SONT SOUVENT SPECIFIQUES A UNE ETUDE LES ETUDES SUR IMAGES SATELLITES DOIVENT SE FAIRE EN COHERENCE AVEC LES THEMATICIENS - Thématique : Nomenclature - Qualité Thématique : Confusions entre classes - Qualité de la précision : Précision géométrique - Taille des objets à identifier : UMC - Taille de la zone : fauchée, revisite (Choix des images ) - Dynamique d évolution : Nombre d images, dates des images, approche intraannuelle, inter-annuelle) 10

11 THEME 3. LA TELEDETECTION EXTRACTION DE L INFORMATION D UNE IMAGE - Photo-interprétation : très précis et juste (> 99% de l information est bonne), mais très lent et couteux - Méthodes semi-automatiques : Rapide, mais de qualité inférieure (> 90% de l information est juste) - Les deux méthodes peuvent être utilisées de manière complémentaires COMMENT EXTRAIRE AUTOMATIQUEMENT DES INFORMATIONS A PARTIR D IMAGES SATELLITES? Les résultats de ce travail seront synthétisées dans un rapport livré fin

12 ETAPE 3 : LES DIFFERENTES ETAPES D UNE ETUDE 12

13 3.1. LA NOMENCLATURE ENJEUX : LE CHOIX DE LA NOMENCLATURE EST UNE QUESTION FONDAMENTALE Impacte directement la teneur et la qualité du résultat Impacte la cohérence avec d autres études Si on change de nomenclature, il faut recommencer la plupart des étapes Généralement CLC ou CLC adapté Recensement des nomenclatures classiques : BD Topo, BD Carto, IPLI, CLC, SPOT Thema, TERRUTI-LUCAS, SITADEL, FILOCOM Toujours avoir une collaboration rétroactive avec les thématiciens 13

14 3.1. LA NOMENCLATURE NOMENCLATURE THEMATICIENS NOMENCLATURE TELEDETECTEUR EXEMPLE Zone humides (CLC Niveau 1) -> Difficile en télédétection Plages, Dunes et Sable (CLC Niveau 3) -> Facile en télédétection EXEMPLE DE SOLUTION Nomenclature demandée Suppression de classes «indétectables» Découpage de classes en plusieurs sous classes Nomenclature «télédétection» Fusions de sous classes Nomenclature finale 14

15 A LA FIN DE CETTE ETAPE, ON A UNE NOMENCLATURE VALIDEE ET SA TRADUCTION EN NOMENCLATURE «TELEDETECTEUR»: NOMENCLATURE «TELEDETECTEUR» 15

16 3.2. LE CHOIX DES IMAGES DE NOMBREUSES CARACTERISTIQUES A PRENDRE EN COMPTE Résolution spatiale, Fauchée, Bandes disponibles, Capacité de revisite, Cohérence avec d autres images, Conditions d acquisition, Niveaux de traitement radiométrique, géométrique, radar/optique, etc ARCHIVE (Tout n est pas disponible) / PROGRAMMATION (conflits potentiels) 16

17 3.2. LE CHOIX DES IMAGES SPOT LANDSAT PLEIADES ERS ALOS ALSAT ASTER CARTOSAT ENVISAT EROS FORMOSAT GEOEYE IKONOS ORBVIEW WORLDVIEW RAPIDEYE SENTINELLE COSMO-SKYMED SEOSAT SSOT TerraSAR X NOAA QUICKBIRD LISTING ET COMPARAISON DES PRINCIPALES IMAGES DISPONIBLES 17

18 ORDRES DE GRANDEURS SUR LES IMAGES RÉSOLUTION SPATIALE : 50 cm (PLEIADES, QuickBird, WORLDVIEW ), 2,5 m (Type SPOT5 en supermode, FORMOSAT), 5m (RapidEye, SPOT5 ), 15m (LANDSAT ), 250m (MODIS ), 1 km RÉSOLUTION TEMPORELLE : 1 jour à 30 jours FAUCHEE : 20 km (Images THRS), 60 km (Images SPOT) EXEMPLE POUR ACQUÉRIR UN DÉPARTEMENT (Dépend de la fauchée, de la couverture nuageuse, de la géométrie du département ) SPOT 5 : Entre 3 et 6 passages nécessaires, revisite tout les 3 jours -> entre 10 et 20 jours PRÉCISION GÉOMÉTRIQUE RGE : Précision métrique (BD ORTHO : de 70cm à 2,50m) Images satellites : tout dépend du niveau de traitement SPOT en niveau 3A : Moins de 3 mètres pour 95% des pixels Remarque : On peut faire l orthorectification en régie : MNT plus précis GÉOSUD : Pour l instant : Maximum de 10% des pixels à plus de 12m EGALISATION RADIOMETRIQUE Enjeux à grande échelle, les images ne sont pas forcément égalisées (ex : Géosud) 18

19 ORDRE DE GRANDEUR - TAILLE EMPRISE IMAGE SATELLITE SPOT EMPRISE PHOTOGRAPHIE AÉRIENNE RÉGION MIDI-PYRÉNÉES 19

20 3.3. OBTENTION DES IMAGES IMAGES GRATUITES PARFOIS SOUS CONDITIONS (Services institutionnels ) Pôle Thématique Surface Continentales Programme Géosud (principalement RapidEye), Images Pléiades Zones Kalidéos du CNES (principalement SPOT) Images LandSat ou Modis Labellisation Planet Action IMAGES A COUT REDUIT Prix non marchand pour les institutions Exemple : SPOT5, 5m, Multispectral, Orthorectifié, Archive (60kmx60km) : environ 1500 Euros Programmation +30% = 1950 Mutualisation des licences (SPOT : +30% multi licence tous acteurs publics) Programme ISIS Central d achat PROCEDE NORMAL ET COÛTS ASSOCIES Archive ou Programmation 20

21 A LA FIN DE CETTE ETAPE, ON A LES IMAGES POUR TRAVAILLER 21

22 3.4. EXTRACTION DE L INFORMATION CHOIX DES BANDES DE L IMAGE SATELLITE UNE IMAGE = SUPERPOSITION DE PLUSIEURS BANDES D INFORMATION INTÉRÊT DES DIFFÉRENTES BANDES Rouge Vert Bleu Indice de végétation Texture MAÏS FEUILLUS PINEDE Réflectance en fonction de la Bande Spectrale 22

23 Etape 3.4. EXTRACTION DE L INFORMATION CHOIX DE L ALGORITHME D EXTRACTION AUTOMATIQUE D INFORMATION UTILISATION D UN LOGICIEL DE TRAITEMENT D IMAGE APPROCHE PIXEL/OBJET Pixel : On travaille pixel par pixel Objet : On travaille sur des segments, qui sont des pixels proches et homogènes fusionnés en une seule entité Pixel Objet APPROCHE SUPERVISEE/NON SUPERVISEE Non Supervisée : Sans Apprentissage, labellisation à postériori Supervisée : Avec Apprentissage COMBINAISONS POSSIBLE ENTRE LES DIFFERENTES APPROCHES 23

24 ALGORITHMES DE MÉTHODES DE CLASSIFICATION SEMI-AUTOMATIQUE APPROCHES PIXEL APPROCHES OBJET CLASSIFICATIONS NON SUPERVISEES METHODES SANS APPRENTISSAGE CLASSIFICATIONS SUPERVISEES METHODES AVEC APPRENTISSAGE CLASSIFICATIONS ORIENTES OBJET CLASSIFICATIONS HIERARCHIQUES STATISTIQUES BASEES SUR DES ROI (Regions Of Interest) APPRENTISSAGE BASE SUR DES ROI (Regions Of Interest) PAR REGLES Arbre de décision binaire automatiques (Type CART) Classifications ascendantes (lien simple, lien complet, Ward ) Classifications descendantes (divisibles) Maximum de vraisemblance (MAP, MLC) Parallélèpipède Mahalanobis Distance minimum Hypercube (scattergram) Support Vector Machine (SVM) Réseau de neurones K plus proches voisins (K-NN) Analyse discriminante (FISCHER) CLASSIFICATIONS AVEC NOMBRE DE CLASSES FIXEES Nuées dynamiques (K-Means) Agrégation autour des centres mobiles (ISODATA) Réseau de neurones (Kohonen SOM) APPRENTISSAGE BASE SUR DES SPECTRES Spectral Angle Mapper (SAM) Spectral Information Divergence (SID) Binary Encoding CLASSIFICATIONS HIERARCHIQUES Arbre de décision binaire (CART, C4.5, C5.0, ID3, CHAID) PAR APPRENTISSAGE Seuillage monospecrtal, multispectral 24

25 A LA FIN DE CETTE ETAPE, ON A UNE CLASSIFICATION DE L OCCUPATION DU SOL Image SPOT 5 à 10m Traitée Classification automatique de l OS sur Arcachon en 7 classes 25

26 3.5. POST TRAITEMENTS POST TRAITEMENT SUR LE RASTER ISSU DE LA CLASSIFICATION : Lissages, filtres moyenne, fusions de classes POST TRAITEMENT SUR LES VECTEURS ISSUS DE LA VECTORISATION DE RASTERS Traitements de type SIG : Erosion/Dilatation, Ouverture/Fermeture Photo-interprétation 26

27 EXEMPLE DE POST TRAITEMENTS : EXTRACTION FORET Opérations sur le raster : Filtres, Erosion/dilatation,... Image binaire forêt/autre, sud de Limoges, 9x6km Une fois que l on a un raster «propre», il est possible de le vectoriser pour un travail ultérieur sous SIG Image post-traîtement forêt, sud de Limoges, 9x6km 27

28 Visualisation de l extraction automatique de la couche forêt autour de Limoges (vecteur) 28

29 EXEMPLE DE POST TRAITEMENTS : EXTRACTION BATI Raster Binaire Territoires artificialisés/autre Vectorisation Filtres Morphologiques : Extraction couche vectorielle de l urbain 29

30 Etape 3.6. CONTRÔLE QUALITE Plusieurs indicateurs et méthodes pour estimer la qualité du résultat MÉTHODE CLASSIQUE : MATRICE DE CONFUSION Calcule pour un certain nombre d échantillons «vérité» la proportion de ce qui est bien reconnu, et explicite les confusions éventuelles Exemple de matrice de confusion 30

31 FINALEMENT, ON A : CLASSIFICATION ET/OU COUCHES VECTORIELLES + NOMENCLATURE FINALE + ESTIMATION DE LA QUALITE CONFUSIONS (Exemple) : PRÉCISION GÉOMÉTRIQUE (Exemple) 95% des points sont géolocalisés à moins de 5m Unité Minimale de Collecte (Exemple) : 0,2 Ha 31

32 REFLEXION SUR L ETAT OPERATIONNEL DES TECHNIQUES DE TELEDETECTION EN 2012 PAS OPERATIONNEL OPERATIONNEL «DANS LES LABORATOIRES» Implémentation sur une petite zone, avec les bons logiciels, les bonnes compétences, les bonnes images OPERATIONNEL CHEZ LES UTILISATEURS Pas cher, Ergonomique, Répondant à un besoin institutionnel, A grande échelle, A haute résolution, en cohérence avec les autres bases de données

33 ANALYSE POSTE A POSTE DE CE QUI EST FAISABLE PAR TRAITEMENT AUTOMATIQUE SUR IMAGE SATELLITE Ce qui est envisageable «à dire d experts» Tableau En cours de Validation 33

34 RESUME DES CLASSES POUR LESQUELLES L EXTRACTION AUTOMATIQUE D INFORMATION SUR IMAGES SATELLITES POURRAIT ETRE PERTINENTE A COURT TERME Territoires artificialisés, Zones urbanisées, Territoires agricoles, Forêt de feuillus, Forêt de Conifères, Sable, Glaciers et neiges éternelles, Surfaces en eaux Travail similaire fait sur d autres types de bases de données, Synthèse prévue cet été 34

35 BASES DE DONNES EXISTANTES REFLEXIONS GENERALES POUR COMPRENDRE LES BESOINS, LES LIMITES DES MÉTHODOLOGIES EXISTANTES, LA PLACE DES IMAGES SATELLITES, IL FAUT COMPRENDRE ET S INTEGRER AUX OUTILS UTILISÉS PAR LES UTILISATEURS FINAUX! 35

36 ENJEUX LIES AUX MISES A JOUR DES DONNEES a b COMPARAISONS a. Cadastre b. BD IGN (BD Topo et Ortho) c. Google Earth d. Open Street map c Journée d Applications Satellitaires et OCS 22/05/2012

37 URBAN ATLAS - Toulouse Couche Bâti de l IGN - Toulouse ENJEUX LIES A LA PRECISION DES DONNEES, AUX NOMENCLATURES, A L ACCESSIBILITE, AUX COÛTS etc CORINE LAND COVER - Toulouse

38 BASES DE DONNES EXISTANTES REFLEXIONS GENERALES 24 BASES DE DONNÉES D OCCUPATION DU SOL ÉTUDIÉES BD Topo, BD Ortho, BD Carto, BD Parcellaire, GeoFla, BD Carthage, IPLI, CLC, SPOT Thema, MULTINET, INSEE, TERUTI-LUCAS, SITADEL, FILOCOM, RPG, MAJIC, PCI, Géoportail, Google Maps, Open Street Map, Urban Atlas, Gus Land Use, Géolandis, Land Use Map UNE FICHE PAR BASE DE DONNÉES Définition Illustration Avantages Inconvénients Lien Exemple : Fiche CLC

39 LES BASES DE DONNES REFLEXIONS GENERALES TABLEAU DE SYNTHESE DE CES BASES DE DONNEES SELON 10 CRITERES Nom, Source, Fréquence de Mise à Jour, Accessibilité, Exploitation, Description, Composition, Portail D accès, Avantages/Inconvénients, illustration

40 QUELQUES LOGICIELS DE TRAITEMENT D IMAGE Tableau en phase de validation 40

41 CONCLUSION : ELEMENTS DE REFLEXION La qualité du résultat dépend de la manière dont est définie la commande: - Sur quelles images/logiciels on travaille? - Qui fournit les images? - Qui fournit la méthodologie? - Qu est ce qui est demandé? (Résolution spatiale, Nomenclature, UMC, qualité géométrique attendue, Confusions jugées acceptables, occupation globale du sol ou couche vectorielle correspondant à une classe ) - Demander un indicateur de qualité - Le satellite est en complément de ce qui existe déjà, peut être très pertinent comme pas du tout En première approximation, on peut attendre un «équivalent» de CLC niveau 1. Autres mots clés en lien avec l opérationnel : Le Pôle Thématique Surfaces Continentales, et le programme GEOSUD Le Projet PEPS GMES (Couches Hautes Résolutions, Urban Atlas, continuité de CLC, services ) SPOT THEMA Orfeo Tool Box 41

42 MERCI POUR VOTRE ATTENTION 42