Travaux dirigés de traitement d images de Télédétection L objectif principal de ce TD consiste à introduire la notion de données multitemporelles afin d effectuer une classification de l occupation du sol d un territoire localisé au sud du Brésil, dans l état du Rio Grande Do Sul. Multitemporelle signifie que l information est issue d une série d images prises pendant une période de temps. Dans notre cas, elle correspondra à 3 images acquises à différentes dates de l année 2009 (13/02/2009, 24/08/2009, 14/12/2009) choisies pour l intérêt qu elles présentent dans la détermination de l occupation du sol. Nous utiliserons les variations temporelles d un indice de végétation, le NDVI (Normalized Difference Vegetation Index Indice de Végétation Normalisée) permettant le suivi de la phénologie des différents milieux. 1. Création des NDVI A partir des images tm_13022009_refl.dat, tm_24082009_refl.dat et tm_14122009_refl.dat, nous créons un indice de végétation NDVI pour chaque image. Pour cela, nous utilisons l outil Band Math situé dans le menu Basic Tools. La formule du NDVI est la suivante NDVI = (ρ PIR ρ R )/(ρ PIR + ρ R ) où ρ PIR est la réflectance dans le Proche-Infrarouge et ρ R est la réflectance dans le Rouge. Ecrivez la formule arithmétique du NDVI, dans la syntaxe propre à ENVI, dans l espace «Enter an expression». Question : Quelle formule doit on écrire pour créer le ndvi dans ENVI? François Messner Page 1 12/10/2010
Une fois l expression écrite correctement, il faut cliquer sur Add to List puis valider. Une nouvelle fenêtre s affiche, nous interrogeant sur les bandes à prendre en compte pour la création de l indice. Nous répétons cette opération pour chaque date. François Messner Page 2 12/10/2010
1.1 Assemblage des NDVI multidates Nous assemblons ensuite les NDVI dans un seul fichier. Pour cela, nous utilisons l outil layer Stacking. Nous nommons ce fichier NDVI_temporel.dat. 2. Masque des zones urbaines Pour éviter les confusions dans la classification, nous souhaitons masquer les zones urbaines. Pour ce faire, nous allons utiliser nos qualités de photointerprète pour vectoriser manuellement les zones bâties et les routes. Nous réalisons ce traitement dans l interface ENVI Zoom 2.1 Vectorisation des zones urbaines sous ENVI Zoom Depuis ENVI Zoom 4.7, ouvrir l image NDVI_temporel.dat François Messner Page 3 12/10/2010
Nous choisissons ensuite de créer 2 couches vecteurs correspondant aux routes et à la zone urbaine correspondant à la ville de Sao Francisco de Assis ( Menu File -> New -> Vector Layer). La couche routes est de type polylignes tandis que la zone urbaine est un polygone. Nous utilisons l outil «Vector Create» pour dessiner les vecteurs. Une fois la couche dessiné, nous l enregistrons en tant que fichier de forme (shapefile -.shp). Clic sur la couche, Save As. Nous obtenons 2 fichiers vecteurs : Routes.shp et Ville.shp. 2.2 Zone tampon autour des polylignes Routes (Sous ArcMap). Pour couvrir l intégralité de la largeur de la route, nous allons créer, Sous ArcMap, une zone tampon autour des polylignes Routes. Pour ce faire, nous utilisons l outil Fusionner de la boîte à outils ArcToolbox (ArcToolbox -> Outils d analyse -> Proximité -> Zone tampon). Nous choisissons les paramètres tels qu ils sont définis dans la figure suivante et nous enregistrons le nouveau fichier sous le nom Routes_tampon.shp. François Messner Page 4 12/10/2010
2.3 Construction et application du masque des zones urbaines (ENVI 4.7) Le masquage est un traitement d image qui aboutit à la réalisation d une image binaire dont les pixels prennent 2 valeurs possibles : 1 pour les pixels correspondant à l objectif c'est-à-dire ceux que l on ne souhaite pas masquer. 0 pour les pixels que l on souhaite masquer. Une fois l image NDVI_Temporel.dat affichée, nous importons les 2 fichiers vecteurs correspondant aux zones urbaines, a savoir Ville.shp et Routes_tampon.shp : Menu Vector -> Open Vector File. Ces 2 fichiers vecteurs sont ensuite convertis au format.evf (format vectoriel propre à ENVI). Nous conservons le même système de projection que le shapefile. La construction du masque s effectue à l aide de l outil Build Mask situé dans Basic Tools -> Masking. L outil nous demande sur quel affichage nous souhaitons définir notre masque. Nous choisissons Display#1, sur lequel est affichée NDVI_temporel.dat. Nous importons ensuite nos fichiers.evf servant à la définition du masque : Options -> Import EVFs François Messner Page 5 12/10/2010
Dans le même menu, nous cochons Selected Areas «Off» afin d exclure les zones urbaines et donc leur attribuer la valeur 0. Nous enregistrons notre masque sous l appellation Masque_urbain.dat Nous appliquons ce masque sur l image NDVI_temporel.dat (Basic Tools -> Masking -> Apply Mask). Dans l onglet Select Mask Band, choisir Masque_urbain.dat. François Messner Page 6 12/10/2010
Nous laissons le paramètre Mask Value à 0 et nommons notre fiche NDVI_Temporel_mask.dat. François Messner Page 7 12/10/2010
3. Classification de l image NDVI_Temporel_mask.dat Le NDVI (Normalized Difference Vegetation Index) appelée Indice de Vegetation normalisé en français est un indice de télédétection qui permet d estimer la masse de végétation recouvrant le sol. Plus le sol est recouvert de végétation, plus le NDVI est élevé. Théoriquement, les valeurs du NDVI sont comprises entre -1 et 1. Un NDVI de valeur négative (inférieur à 0) correspond à de l eau pur. En étudiant l évolution du NDVI au cours du temps, on peut déterminer différents types de milieux. Ainsi, une forêt d arbres à feuilles persistantes a une signature temporelle constante dans les fortes valeurs de NDVI. Ce type de forêt est particulièrement rencontré dans cette partie sud du Brésil. Des zones sableuses tout au long de l année présentent un NDVI proche de 0 (entre 0 et 0,25) pour chaque date. Les cultures se caractérisent par une variation brusque du NDVI. En effet, au moment du semis ou juste après la récolte, le sol est nu (ndvi proche de 0) tandis que lorsque la plante arrive à maturité le ndvi présente une valeur élevée. Signature temporelle du NDVI 1 0,8 0,6 0,4 NDVI 0,2 0-0,2-0,4-0,6-0,8-1 Février Aout Décembre Mois Sable Culture forêt A partir de ces connaissances (et de notre intuition fabuleuse!!), nous allons réaliser la classification supervisé de cette image. 9 classes thématiques sont retenues : Forêt, Prairie, Zones d érosion(sable)-faible biomasse, Eau, Berges sableuses, Buissons, Marais-zones humides, Cultures d hiver, Cultures d Eté. François Messner Page 8 12/10/2010
Pour information, le Brésil se trouve dans l hémisphère Sud et par conséquent les saisons sont inversés par rapport à l hémisphère Nord. Par exemple, Février est un mois d Eté. (Vous le saviez déjà, mais un rappel ne fait pas de mal!). Une fois les zones d entraînement judicieusement choisies, nous allons utiliser le classifieur SVM (Support Vecteur Machine Séparateur à Vastes Marges) pour réaliser la classification. ( Classification -> Supervised -> Support Vecteur Machine ). Nous conservons les paramètres par défaut et enregistrons le résultat en mémoire.dat. Nous appliquons le masque urbain sur cette classification et enregistrons le résultat sous Classif_NDVI_mask.dat. Exportez ce résultat en tant que fichier au format ESRI grid. Appelez le Classif. 4. Calcul des surfaces pour chaque type d occupation du sol (Sous ArcMap) Sous ArcMap, nous affichons la couche raster Classif. Ne vous étonnez pas si le nom des classes à disparut (c est normal!). Si vous avez le temps, vous pouvez toujours vous amusez à réattribuer le nom sémantique des classes à chaque valeur numérique. Nous allons calculer la surface de chaque type d occupation du sol selon une méthode très simple. Cette méthode est uniquement applicable aux données raster. Clic droit sur la couche Classif -> Ouvrir la table attributaire-> Options -> Ajouter un champ. François Messner Page 9 12/10/2010
Nous nommons ce nouveau champ Surface et le définissons comme étant de type Flottant (Float). Nous ouvrons ensuite une session de mise à jour sur cette couche afin de pouvoir revenir en arrière en cas d erreur. Nous faisons un clic droit sur le champ Surface et atteignons le menu Calculer les valeurs. L expression à rentrer est la suivante : SURFACE = [COUNT] *0.09. Count correspond au nombre de pixels de chaque classe. 0.09 correspond à la surface en Ha d un pixel. En effet, un pixel d une image LANDSAT TM fait 30 m de côté soit une aire de 900 m2 et donc de 0,09 Ha (1Ha = 10000 m2). Nous obtenons ainsi les surfaces et nous pouvons enregistrer nos mises à jour. François Messner Page 10 12/10/2010