7. Transformations multispectrales 7.

Transformations multispectrales

7.1.3 Importance des bandes rouge et infrarouge

7.1 Introduction
7.2 Les indices 7.1 Introduction Un grand nombre de transformations multispectrales se basent sur les bandes
7.3 Transformation rouge et infrarouge pour plusieurs raisons :
Tasseled cap
7.4 ACP • c’est entre les bandes rouge et infrarouge du spectre qu’on peut observer les
7.1.1 Objectifs
plus grands écarts de réflectance entre la végétation et les sols (cf. courbes de
L’objectif des transformations multispectrales est triple : signatures spectrales)

• Convertir les luminances mesurées par le satellite en variables thématiques • le canal infrarouge est celui qui possède la plus grande richesse d’information
ayant une signification dans les domaines de l’environnement, comme par (⇒ variance élevée)
exemple comme la biomasse, la couverture foliaire, la structure de la canopée • l’interprétation des bandes rouge et infrarouge en termes d’occupation du sol
d’une forêt, l’humidité d’un sol, etc. est relativement aisée, comme le montre la Figure 1 ci-dessous. On constate
• Construire des indicateurs synthétiques permettant de décrire l’état d’un notamment que les sols se répartissent le long d’une droite dont on peut
phénomène. Par exemple, un indice de végétation peut rendre compte de l’état, calculer l’équation (Figure 2)
du stade croissance de la végétation à un moment donné. • enfin, un avantage supplémentaire de l’utilisation des bandes rouge et
• Le troisième objectif, qui découle des deux précédents, est la réduction du infrarouge est le fait qu’elles sont présentes sur pratiquement tous les capteurs
nombre des données par la sélection des données « utiles ». En effet, dans optiques (SPOT, Landsat-TM et MSS, NOAA, etc.) et que, par conséquent,
une image à sept canaux comme celles de Landsat-TM, on constate une certaines comparaisons entre différentes sources d’images sont possibles.
grande redondance de l’information qui se traduit par une forte corrélation entre
certains canaux.
Figure 1 : Diagramme bidimensionnel Figure 2 : Calcul d'une droite des sols
7.1.2 Méthodes
Le calcul de ces nouvelles couches d’information synthétique se base sur le
caractère multispectral des données de la télédétection qui permet l’application de
méthodes d’analyse statistique ainsi que des combinaisons arithmétiques de
canaux débouchant sur la création de nouveaux canaux (aussi appelés néo-
canaux).

Transformations multispectrales

CALOZ (1992) nous offre une définition des trois grandes catégories de
transformations multispectrales les plus couramment effectuées :

Æ Les indices (approche semi-empirique) : en référence aux propriétés de la

réflectance des végétaux, des sols et de l’eau, rechercher une combinaison de
bandes se révélant fortement corrélée avec l’indicateur choisi (par ex.
biomasse, phénologie).

Æ Transformations orthogonales (approche thématique et synthétique):

rechercher un « espace » (système de variables orthogonales, donc
indépendantes) où chaque axe devient porteur d’un indicateur décrivant l’état
de la végétation, des sols.

Æ Analyse en composantes principales (ACP) (approche statistique et

synthétique): rechercher un espace où chaque axe est porteur d’un maximum
d’informations sans se préoccuper à priori de l’éventuelle signification physique
des nouvelles variables (fin de citation)

Cours de télédétection - Dép. de géographie, Université de Genève 2004 1 Cours de télédétection - Dép. de géographie, Université de Genève 2004 2
7. Transformations multispectrales 7. Transformations multispectrales

• il existe une très grande variété d’indices qui permettent notamment d’évaluer la
biomasse et la couverture foliaire
7.1 Introduction
7.2 Les indices
7.2. Les Indices
7.3 Transformation Figure 4: Exemples d'indices couramment utilisés
Tasseled cap
7.4 ACP 7.2.1 Caractéristiques Ratio TM4 / TM3 Ratio TM5 / TM2 NDVI = = PVI (Perpendicular Vege-
(TM4- TM3)/(TM4 + TM3) tation Index) = distance à la
• les indices consistent en la combinaison arithmétique (division et/ou droite des sols
soustraction) d’au moins deux canaux (par exemple : TM4/TM3, TM5 – TM3,
etc.)
• les indices compensent partiellement les effets topographiques et
atmosphériques (différences d’illumination, diffusion atmosphérique)

Figure 3 : Ratios et effets de l'illumination

7.2.2 Applications
Les indices trouvent de nombreuses applications, notamment dans l’évaluation de
l’état de la végétation, le suivi multi-temporel :

Figure 5 : Evolution du couvert végétal au Burkina Faso à l’aide d’images NOAA-

AVHRR

Source : LILLESAND & KIEFER 1987

Cours de télédétection - Dép. de géographie, Université de Genève 2004 3 Cours de télédétection - Dép. de géographie, Université de Genève 2004 4
7. Transformations multispectrales 7. Transformations multispectrales

7.1 Introduction
7.2 Les indices
7.3. La transformation « Tasseled-cap »
7.3 Transformation
Tasseled cap L’objectif de la transformation « tasseled-cap », conçue par R. J. Kauth et G. S.
7.4 ACP
Thomas en 1976, était le suivi de l’évolution de l’occupation du sol. Le nouvel
espace orthogonal créé par la transformation multispectrale rend compte des
phases de croissance de la végétation illustrées dans la Figure 6 ci-dessous (le
nom « tasseled-cap » vient de la forme en chapeau prise par cette évolution de la
végétation quand on la représente dans l’espace multispectral):

Source : USGS - USAID/Africa Data Dissemination Service,

[Link] 7.3.1 Caractéristiques
• élaboré à partir d’observations empiriques sur des images Landsat-MSS ; plus
tard, mise au point d’une version applicable au canaux Landsat-TM
• les néo-canaux se calculent par une combinaison linéaire des canaux Landsat-
MSS ou TM (1-5, 7)
• permet de suivre les phases de croissance de la végétation
• censé être universel, mais sensible aux conditions atmosphériques

Figure 6 : Stades d'évolution de la végétation (canaux MSS rouge et infrarouge)

Source : Richards 1986

Le résultat de la transformation consiste en trois nouvelles images (quatre dans le

cas de Landsat-MSS) :

Cours de télédétection - Dép. de géographie, Université de Genève 2004 5 Cours de télédétection - Dép. de géographie, Université de Genève 2004 6
7. Transformations multispectrales 7. Transformations multispectrales

Figure 7 : Néo-canaux « tasseled-cap »

Brightness (brillance des sols) Greeness (verdeur de la végétation) Moisture (humidité)

7.1 Introduction
7.2 Les indices
7.4. L’analyse en composantes principales (ACP)
7.3 Transformation
Tasseled cap L’analyse en composantes principales se déroule selon les méthodes statistiques
7.4 ACP
traditionnelles, la particularité de leur application à la télédétection réside dans le
très grand nombre de données à traiter (les pixels). L’approche générale consiste
à définir, dans l’espace multispectral, de nouveaux axes résumant l’information
contenue dans l’image. Ceci peut-être illustré par l’exemple d’un espace à deux
dimensions (canaux 1 et 2):

Figure 8 : Analyse en composantes principales

7.3.2 Applications
Bonne visualisation des types d’occupation des sols mais peu d’applications
concrètes dans le domaine du suivi agricole (qui était son objectif original).

Source : Sabins 1987

Les coordonnées des nouveaux axes seront :

Y1 = a * X1 + b * X2

Y2 = c * X1 + d * X2

(a, b, c, d étant des constantes)

7.4.1 Caractéristiques
• approche statistique, pas besoin de connaissances a priori du phénomène
étudié
• les composantes résultent d’une combinaison linéaire des canaux d’origine ; les
coordonnées des nouveaux axes sont calculés à partir des moyennes,
variances, covariances entre les canaux d’origine
• les nouveaux canaux sont décorrélés, chacun apporte une information nouvelle
• permet de dégager les dimensions essentielles d’une image, les trois premières
composantes résument l’essentiel de l’information (en général, plus de 90% de
la variance est « expliquée » par les trois premières composantes)

Le résultat d’analyse en composantes principales portant sur les canaux TM1 à

TM5 et TM7 est illustré ci-dessous (entre parenthèses : le pourcentage de
l’information totale contenue dans chaque composante) :

Cours de télédétection - Dép. de géographie, Université de Genève 2004 7 Cours de télédétection - Dép. de géographie, Université de Genève 2004 8
7. Transformations multispectrales

Figure 9 : 3 premières composantes principales Landsat-TM

Composante 1 (62%) Composante 2 (28%) Composante 3 (8%)

Applications
• première approche d’une région, résumé de l’information essentielle contenue
dans une image
• préparation d’images pour les classifications non supervisées (cf. module
« cluster » d’IDRISI)
• préparation d’images composites couleur pour la sélection de zones
d’entraînement lors de classifications supervisées
• fusion avec des images de haute résolution (on remplace la première
composante Landsat-TM à 30m de résolution par une image SPOT-
Pancromatique à 10m ⇒ image résultante avec plus de détails)

Cours de télédétection - Dép. de géographie, Université de Genève 2004 9