IUT/UNIVERSITE IBA DER THIAM DE THIES
1
IUT/UNIVERSITE IBA DER THIAM DE THIES
République du Sénégal Université Iba Der Thiam de Thiès
Un peuple-Un but-Une foi Institut Universitaire de Technologie
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE
Département Génie Civil
ET DE L’INOVATION
PROJET DE TELEDETECTION
REDIGES PAR :
Cheikh BANE
Marietou Mbengue
Sous la direction :
Dr Diedhiou
PLAN :
2
IUT/UNIVERSITE IBA DER THIAM DE THIES
INTRODUCTION
REPONSES AUX DIFFERENTES QUESTIONS
CONCLUSION
INTRODUCTION
3
IUT/UNIVERSITE IBA DER THIAM DE THIES
La télédétection est la technique qui, par l'acquisition d'images, permet d'obtenir de
l'information sur la surface de la Terre sans contact direct avec celle-ci. La télédétection
englobe tout le processus qui consiste à capter et à enregistrer l'énergie d'un rayonnement
électromagnétique émis ou réfléchi, à traiter et à analyser l'information, pour ensuite mettre en
application cette information.
C’est pourquoi dans notre projet on a fait appelle aux techniques de la télédétection pour avoir
les images multi-bandes, de faire la classification supervisée afin d’estimer la superficie
occupée par la mangrove en 2006 dans la zone du Saloum.
REPONSES AUX DIFFERENTES QUESTIONS
1. Après avoir fait le « layer stack », afficher l’image sur ERDAS,
faire une composition fausse couleur 542, puis trouver la
résolution spatiale de l’image.
Les données multispectrales sont obtenues par des enregistrements simultanés dans un
petit nombre de bandes spectrales (3 à 8), celles-ci n'étant pas nécessairement contigües.
La représentation par combinaison de ces bandes d'information numérique en utilisant les
trois couleurs primaires (rouge, vert, bleu) permet d'obtenir des images en couleurs. Les
données de chaque bande sont représentées comme une couleur primaire et, selon la
luminosité relative (c.-à-d. valeur numérique) de chaque pixel dans chaque bande, les
couleurs primaires se combineront en proportions différentes pour produire des couleurs
distinctes.
Voici l’image
multi-bande de
la zone qu’on a
obtenu après
avoir utiliser la
fausse couleur
542 :
4
IUT/UNIVERSITE IBA DER THIAM DE THIES
Image multi-bande
La résolution d’image est de 50*50 qu’on a obtenu par « meta data » .
Voici l’image du meta data
5
IUT/UNIVERSITE IBA DER THIAM DE THIES
2. Extraire (Subset) la zone de la Casamance amphibie, en vous
servant du fichier AOI qui se trouve dans le dossier « zone
d’intérêt ».
L’image couvre une zone plus importante que celle que l'on veut étudier. Pour cela, il faut
extraire uniquement la zone d'intérêt.
Dans ce projet la zone d’intérêt est la zone de la Casamance amphibie, voici l’image
d’extraction
La zone de la Casamance amphibie
3. Faire une classification supervisée de l’image de la zone
extraite
Le principe d'une classification supervisée est de fournir au programme qui effectue la
classification des échantillons de pixels représentants une région de référence. Pour créer ces
6
IUT/UNIVERSITE IBA DER THIAM DE THIES
échantillons, appelés sites d'entraînement, on sélectionne des plages polygonales de pixels
homogènes sur l'image à analyser.
Dans le cas de notre projet on fait la classification pour estimer la superficie occupée par la
mangrove en 2006 dans la zone qu’on a fait extraction.
Classification supervisée
4. Trouver la superficie de chaque thème. A récapituler dans
un tableau.
Voici le tableau qui montre la superficie de chaque thème qu’on a obtenu à l’aide du logiciel
erdas
Classes Superficie (hectare)
Mangrove 91911.7
Tanne 69059.7
Vasière 45843.8
Sol nu 268714
Eau 134575
5. Afficher les signatures spectrales des différents thèmes.
7
IUT/UNIVERSITE IBA DER THIAM DE THIES
La signature spectrale est l'émission électromagnétique caractéristique d'un objet en fonction
de la longueur d'onde.
Voici les signatures spectrales obtenues après les traitements de données :
6. Extraire la matrice de confusion. La commenter.
La matrice de confusion, dans la terminologie de l'apprentissage supervisé, est un outil
servant à mesurer la qualité d'un système de classification.
8
IUT/UNIVERSITE IBA DER THIAM DE THIES
Chaque colonne de la matrice représente le nombre d'occurrences d'une classe estimée, tandis
que chaque ligne représente le nombre d'occurrences d'une classe réelle (ou de référence). Les
données utilisées pour chacun de ces groupes doivent être différentes.
Un des intérêts de la matrice de confusion est qu'elle montre rapidement si le système parvient
à classifier correctement.
Voici la matrice de confusion qu’on a obtenue :
La matrice de confusion est satisfaisante par le fort pourcentage global de groupes bien
classés.
7. Réaliser la carte d’occupation du sol de la zone après avoir
exporté le résultat de la classification vers ArcGis.
9
IUT/UNIVERSITE IBA DER THIAM DE THIES
Une carte détaillant l’occupation du sol met en avant la couverture physique et biologique de
la surface terrestre. On peut soit identifier une occupation naturelle du sol : arbres, arbustes,
herbage … soit une occupation dite « artificielle » : constructions, revêtements de sols …
La carte occupation du sol qu’on a réalisée nous a permis de mieux identifier l’occupation
naturelle de la zone : la mangrove, eau, le sol nu et
CONCLUSION
Un satellite couvre de très grandes surfaces en quelques secondes et le coût de construction,
de lancement et d'opération d'un satellite est partagé entre plusieurs milliers d'utilisateurs qui
achètent les images pour leurs propres projets, ce qui montre l’importance de la télédétection.
Grace aux données satellitaire qu’on a eues et le logiciel ERDAS on parvient à afficher
l’image multi-bande, de faire extraction, la classification supervisée, de calculer la superficie
de chaque classe et enfin réaliser la carte d’occupation du sol.
10
