carte de préinventaire

Est-il possible d’extraire assez d’informations provenant d’images satellites SENTINEL pour ajouter de la précision dans la méthode de pré-localisation des zones humides ?

Dans le cadre du Master MIX, le stage est une des manières de se confronter aux problématiques présentes au sein des entreprises dans l’optique de contribuer aux activités de R et D. Les travaux décrits se sont déroulés au sein du bureau d’étude UNIMA. Dans les années 50, afin de permettre la restauration des réseaux hydrauliques des marais, le Conseil Général de l’époque et des Associations Syndicales du marais du département ont eu la volonté de fonder UNIMA. En effet, le réseau hydraulique des marais (canaux, digues, écluses) avait été délaissé pendant la période de la guerre et de l’après-guerre; il fallait donc remettre en état ces espaces naturels. Ainsi, au sein de cette cellule d’ingénieur, une carte de pré-localisation de zones humides devait être réalisée à partir de diverses données venant de l’armée ou d’inventaire de différents organismes.

Les données de traitement

D’une grande richesse écologique, les zones humides jouent un rôle crucial pour la diversité, d’où l’importance des inventaires des zones humides. Les objectfis sont entre autres une gestion équilibrée des bassins versants et une reconquête de la qualité des réseaux hydrauliques. Les données disponibles sont de plusieurs types : topologiques, altimétriques, remontées des nappes et nappes affleurantes, ainsi qu’un certain nombre de cartes d’état major ou pédologiques qui sont utilisées pour affiner les résultats.

Une fois l’ensemble des ces informations recoupées, on obtient une carte de pré-localisation dont il s’agit d’extraire les zones humides par classification.

Le nouvel apport: les données satellitaires

Le satellite sélectionné pour cette étude est le satellite SENTINEL 2. Des images multi-spectrales sontt proposées avec différentes résolutions, réparties du visible à l’infra-rouge moyen.

La méthode

Les données LIDAR altimétriques

L’indice TPI (Topographic Position Index — Indice de position topographique) est défini par :

\begin{equation} TPI(X_i) = X_i - \dfrac{1}{\vert \mathcal{V_i} \vert} \sum_{X_j \in \mathcal{V_i}} X_j \label{TPI} \end{equation}

\(X_i\) est l’altitude du point \(i\), \(\mathcal{V_i}\) un voisinage de \(X_i\) et \(\vert \mathcal{V_i} \vert\) le nombre de points dans \(\mathcal{V_i}\). Cet indice permet de déterminer les points hauts et bas de la zone étudiée.

indice de position topographique

Les données satellitaires

Le nombre de bandes spectrales a été réduit de \(13\) à \(7\) par corrélation.

matrice de corrélation

Classification

Nous avons utilisé deux algorithmes de classification : celui des SVM (Séparateurs à Vaste Marge) et celui des k plus proches voisins. Voici les résultats fournis par la classification sur la zone de référence :

Classification SVM linéaire

Conclusion

Cette méthode de classification a été testée sur une zone géographique de la commune de Breuil-Magné, proche de Rochefort. Dans l’image ci-dessous, les zones rouges sont celles obtenues après quelques relevés de terrain et les zones oranges celles produites par l’algorithme. Il s’est avéré que ces dernières se sont révélées beaucoup plus précises.

resultat final

Perspectives

Les résultats obtenus pourraient être améliorés en considérant par exemple des images polarisées, en précisant les données d’altimétrie en bordure de marais ou encore en automatisant l’aquisition de l’altitude.

Like this post? Share on: TwitterFacebookEmail


Published

Category

Stage M2

Nous contacter