Cartographie de la végétation polynésienne par classification SVM de données multi-sources Robin Pouteau 2 ème Séminaire GePaSud : 12 novembre 2009 Vaiahu, Nuku Hiva (Marquises)
La végétation polynésienne : diversité des espèces Diversité Flore primaire : 885 espèces indigènes (Florence et al. 2007) dont : 520 endémiques, 365 indigènes strictes J.Y. Meyer Vulnérabilité Flore secondaire : >80 introductions polynésiennes >1500 introductions européennes dont : >593 naturalisées, >57 invasives (Fourdrigniez & Meyer 2008) «Tiare apetahi», endémique des plateaux du Temehani, Raiatea «Miconia» plante invasive, Tahiti J.Y. Meyer
La végétation polynésienne : diversité des milieux Diversité Types de végétation : Végétation naturelle : 6 grands types ± liés à l altitude et l exposition (littoral, xérophile, mésophile, hygrophile, ombrophile, subalpine) Végétation secondaire/anthropique = faciès de dégradation Vulnérabilité Profil de la végétation (Papy 1951-54 in Mueller-Dombois & Fosberg 1998)
Vulnérabilité de la végétation polynésienne : apport de la cartographie Diversité Invasion d espèces introduites évaluation des surfaces envahies hiérarchisation des espèces Perte et altération des milieux Vulnérabilité entrée des modèles d érosion détection des sols nus et des zones urbanisées Manque handicapant d information e.g. surface boisée en PF? information surfacique composition/structure de la végétation
Images aériennes et cartographie de la végétation Optique Spectre visible Réagit au spectre d absorption des végétaux Infrarouge Radar Avantages : Très haute résolution spatiale (IKONOS-1m ; Quickbird-0.60m) Permet l extraction d indices de texture (Haralick et al., 1973) DEM Forêt de nuage Falcata Pin des Caraïbes Tulipier du Gabon Inconvénients : Couverture nuageuse fréquente et ombre sur les pentes fortes
Images aériennes et cartographie de la végétation Optique Infrarouge Spectre infrarouge Radar Réagit aux propriétés anatomiques de la feuille e.g. Conifères / Feuillus 2,00 Boureau, 2008 Contribution de combinaisons des 4 bandes dans la séparabilité des classes DEM Bande très discriminante Mêmes avantages et inconvénients que l optique + inconvénient : réponse différente si stress physiologique? Séparabilité de Jeffries-Matusita moyenne des classes 1,75 1,50 1,25 1,00 IR-R-G-B R-G-B IR-R-G IR-R-B IR-G-B Combinaisons de bandes
Images aériennes et cartographie de la végétation Optique Spectre des micro-ondes (hyperfréquences) Infrarouge Radar Signal actif réagissant aux propriétés polarimétriques des objets Réagit aux propriétés structurelles (architecture) des végétaux Avantages : Résolution métrique (AirSAR-5m, TerraSAR-X StripMap-3m) N est pas affecté par la présence de nuages Bande Cvv filtrée Frost 7x7, Bambridge (NH) Polarisation verticale DEM Inconvénient : Reliefs obstruant l image pour les radars aéroportés Polarisation horizontale
Images aériennes et cartographie de la végétation DEM = modèle numérique de terrain Optique Permet l extraction d indices topographiques pouvant influencer la distribution spatiale de la végétation : Aorai Végétation subalpine Infrarouge Diadème Marau Végétation ombrophile Radar Altitude (m) Pente ( ) DEM Végétation mésophile Végétation hygrophile Végétation littorale Exposition Compound Topo. Index (CTI)
Support vector machines (SVM) : application à la télédétection Principe X1 : bande rouge Vérité terrain X2 : bande verte En pratique, on travaille sur un nombre de classes et de bandes bien plus conséquent Statistical learning theory, formalisée par Vapnik, 1998
Exemple du massif du Marau, Tahiti (Société)
Support vector machines (SVM) : application à la télédétection Principe Composite RGB Vérité terrain Où échantillonner? Indice de Sobel Indice homogénéité Combien d échantillons? (Pouteau et al. en prép.)
17 35 S 149 32 W 1 km Tipaerui Falcataria moluccana plantation Pinus caribaea plantation Punaruu Spathodea campanulata dominated forest Native cloud forest Dicranopteris linearis fernland Anthropogenic areas No data (clouds & relief shadows) 17 37 S 149 34 W SVM Précision moyenne Pixels pures Pixels mixtes 64% 82% Marau 1493 m Col du Diadème
Support vector machines (SVM) : application à la télédétection Principe 70 60 Forêt à W. parviflora Crête antenne Marau Lande à D. linearis W. parviflora dense D. linearis fernland Mixed shrubland forest (antenne Marau) 50m² 50m² 50m² Number of species 50 40 30 20 100m² 100m² 100m² 10 0 0 100 200 300 400 500 600 700 Inventoried area (m²) 215m² 215m² 215m² Vérité terrain Où échantillonner? Overall accuracy (%) 100 80 60 325m² 325m² 325m² 40 0,001 0,010 0,100 1,000 500m² 500m² 500m² Combien Log (study area) ( ) d échantillons? MLC pixels pures MLC pixels mixtes SVM pixels pures SVM pixels mixtes (Pouteau et al. en prép.)
Fusion SVM : utilisation de données multi-sources par un «Super-SVM» Méthode Schematic diagram of SVM-based decision fusion Ground truth Résultats IKONOS (Optique) SVM f(x) ikonos AirSAR (Radar) SVM f(x) airsar f(x) all Super- SVM Multisource classification DEM SVM f(x) dem
Exemple du domaine de la Baie du Contrôleur, Nuku Hiva (Marquises)
Méthode Résultats 1m-IKONOS AirSAR DEM Les 3 Fusion SVM Précision (%) Précision moyenne : 54% A. farnesiana** C. equisetifolia D. linearis F. moluccana** F. prolixa H. tiliaceus I. fagifer* P. tectorius P. guajava** S. saponaria S. glaucifolium* C. nucifera Indigène Intoduction polynésienne* Introduction européenne** Arbre (>5m) Arbuste (1-5m) Herbacée (<1m)
Méthode Résultats 1m-IKONOS AirSAR DEM Les 3 Fusion SVM Précision (%) Précision moyenne : 20% A. farnesiana** C. equisetifolia D. linearis F. moluccana** F. prolixa H. tiliaceus I. fagifer* P. tectorius P. guajava** S. saponaria S. glaucifolium* C. nucifera Indigène Intoduction polynésienne* Introduction européenne** Arbre (>5m) Arbuste (1-5m) Herbacée (<1m)
Méthode Résultats 1m-IKONOS AirSAR DEM Les 3 Fusion SVM Précision (%) Précision moyenne : 58% Arbre Arbuste Herbacées Précision moyenne : 20% A. farnesiana** C. equisetifolia D. linearis F. moluccana** F. prolixa H. tiliaceus I. fagifer* P. tectorius P. guajava** S. saponaria S. glaucifolium* C. nucifera Indigène Intoduction polynésienne* Introduction européenne** Arbre (>5m) Arbuste (1-5m) Herbacée (<1m)
Méthode Résultats 1m-IKONOS AirSAR DEM Les 3 Fusion SVM Précision (%) Précision moyenne : 30% A. farnesiana** C. equisetifolia D. linearis F. moluccana** F. prolixa H. tiliaceus I. fagifer* P. tectorius P. guajava** S. saponaria S. glaucifolium* C. nucifera Indigène Intoduction polynésienne* Introduction européenne** Arbre (>5m) Arbuste (1-5m) Herbacée (<1m)
Fusion SVM Inocarpus fagifer, dans les ripisylves (CTI fort) Méthode Précision du producteur Casuarina equisetifolia, sur les pitons rocheux (altitudes et CTI forts) Résultats Sapindus saponaria, dans les forêts semixérophiles (pentes fortes) 1m-IKONOS Précision moyenne : 30% J.Y. Meyer AirSAR DEM Les 3 A. farnesiana C. equisetifolia D. linearis F moluccana F. prolixa J.Y. Meyer H tiliaceus I. fragifer Dicranopteris linearis, sur les crêtes (altitudes et CTI forts) P. tectorius P. goyava S. saponaria S. glaicifolium C. nucifera
Méthode Résultats 1m-IKONOS AirSAR DEM Les 3 Fusion SVM Précision (%) Précision moyenne : 70% A. farnesiana** C. equisetifolia D. linearis F. moluccana** F. prolixa H. tiliaceus I. fagifer* P. tectorius P. guajava** S. saponaria S. glaucifolium* C. nucifera Indigène Intoduction polynésienne* Introduction européenne** Arbre (>5m) Arbuste (1-5m) Herbacée (<1m)
Conclusion La classification de la végétation est un outil précieux pour l aménagement des territoires (utilisation, gestion, conservation des ressources ) La fusion SVM est une technique prometteuse pour affiner les jeux de classes de végétation et augmenter la fiabilité de cette classification Limite de la méthode dans notre étude = «âge de la donnée» AirSAR en décalage avec la vérité-terrain, faible pénétration dans la végétation
Perspectives : application à la cartographie de la végétation de Moorea Dans le cadre du «Moorea Biocode Project», en cours Quickbird 2006, composite RGB Acquisition d un couple d images Quickbird 2006/TerraSAR-X 2009 Vérité terrain quasi-simultanée Meyer et al., 2007 TerraSAR-X = technologie prometteuse