Tài liệu ứng dụng phương pháp khai phá dữ liệu cho phân tích lô bằng xử lý dữ liệu đa thời gian s2.

UNIVERSITÉ NATIONALE DU VIETNAM À HANOI (UNVH) INSTITUT FRANCOPHONE INTERNATIONAL (IFI) KAFANDO RODRIQUE ANALYSE DU PARCELLAIRE PAR TRAITEMENT DE DONNÉES MULTI-TEMPORELLES S2 À L’AIDE D’UNE MÉTHODE DE FOUILLE DE DONNÉES ỨNG DỤNG PHƯƠNG PHÁP KHAI PHÁ DỮ LIỆU CHO PHÂN TÍCH LÔ BẲNG XỮ LÝ DỮ LIỆU ĐA THỞI GIAN S2 Spécialité : Systèmes Intelligents et Multimédia Code : Programme Pilote MÉMOIRE DE FIN D’ÉTUDES DU MASTER INFORMATIQUE HANOI - 2018 UNIVERSITÉ NATIONALE DU VIETNAM À HANOI (UNVH) INSTITUT FRANCOPHONE INTERNATIONAL (IFI) KAFANDO RODRIQUE ANALYSE DU PARCELLAIRE PAR TRAITEMENT DE DONNÉES MULTI-TEMPORELLES S2 À L’AIDE D’UNE MÉTHODE DE FOUILLE DE DONNÉES ỨNG DỤNG PHƯƠNG PHÁP KHAI PHÁ DỮ LIỆU CHO PHÂN TÍCH LÔ BẲNG XỮ LÝ DỮ LIỆU ĐA THỞI GIAN S2 Spécialité : Systèmes Intelligents et Multimédia Code : Programme Pilote MÉMOIRE DE FIN D’ÉTUDES DU MASTER INFORMATIQUE Sous la direction de : Dr. Dino Ienco, Chargé de Recherche Irstea, UMR TETIS [email protected] Dr. Maguelonne Teisseire, Directrice de Recherche Irstea, UMR TETIS [email protected] HANOI - 2018 ATTESTATION SUR L’HONNEUR J’atteste sur l’honneur que ce mémoire a été réalisé par moi-même et que les données et les résultats qui y sont présentés sont exacts et n’ont jamais été publiés ailleurs. La source des informations citées dans ce mémoire a été bien précisée. LỜI CAM ĐOAN Tôi cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả nêu trong Luận văn là trung thực và chưa từng được ai công bố trong bất kỳ công trình nào khác. Các thông tin trích dẫn trong Luận văn đã được chỉ rõ nguồn gốc. KAFANDO RODRIQUE Résumé L’insécurité alimentaire est de nos jours l’un des fléaux qui menace le monde, surtout les pays en voie de développement. Faisant face à cette situation, il devient nécessaire de prendre de mesures qui permettront de suivre l’évolution des parcellaires culturaux en fonction de leurs occupations a partir des séries temporelles d’images satellitaires. Les occupations agricoles sont difficilement maı̂trisables, surtout dans les zones aux accès limités. Une occupation peut varier d’une période à une autre, que ce soit sur le plan morphologique et/ou dans son contenu. La question principale qui se pose donc est de savoir comment faire pour pouvoir suivre et analyser de façon automatique, le comportement d’une parcelle agricole sur une série temporelle d’images quelque soit la taille de cette dernière. C’est dans ce cadre qu’une méthodologie d’analyse de séries temporelles a été mise en place dans le but de pouvoir suivre de façon automatique l’évolution d’une entité donnée sur le plan spatio-temporel. Grâce à cette nouvelle approche, il est désormais possible de suivre l’évolution d’un parcellaire agricole ou toute autre entité sur laquelle nous disposons des séries temporelles d’images satellites et de mener des analyses sur ces données. Dans cette étude, nous effectuerons une analyse sur le parcellaire cultural du bassin de Kamech, une zone agricole de 2 km 2 située au Nord de la Tunisie. Réalisé au sein du l’unité de recherche UMR-TETIS, plus précisément à l’IRSTEA sur une durée de six (06) mois, le présent rapport a deux principaux buts. Le premier est d’ordre académique et s’inscrit dans le cadre de la validation de notre cursus de Master en informatique. Quant au second, il est d’ordre professionnel, du fait que notre travail a été élaboré dans le cadre d’un projet de recherche et d’innovation. Mots clés : fouille de données, STIS , graphe, objet, segmentation, stabilité spatiale, parcellaire cultural i Abstract Food risk managment is nowadays one of the scourges that threatens the world, especially for developing countries. Faced to this situation, it becomes necessary to take some measures that will help to control the various farms according to their occupations and their changes during the seasons. Agricultural occupations are difficult to control, especially in areas with limited access. An occupation can vary from a period to another, either on its morphological and/or its content. The main question then is how to automatically monitor the behaviour of a given agricultural parcel over an STIS , regardless of its size. It’s within this study that a time series analysis methodology has been set up by [4] in order to be able to automatically monitor the evolution of a given entity considering the morphological level. Thanks to this new approach, it is now possible to monitor the evolution of an agricultural plot on which we have satellite image time series and to carry out analyses on this plot. In this study, we will study more precisely the stability of the cultural plot of the Kamech basin, an agricultural zone located in the southern of Tunisia. Carried out within the UMR-TETIS research unit, precisely at IRSTEA over a period of six (06) months, this report has two main aims. The first is an academic requierement that allow the qualification of our Master’s degree program in computer science. The second is a professional one, because our work was developed as part of a research and innovation project. Keywords : data mining, STIS, graph, object-based analysis, segmentation, spatial stability, cultural plot ii Remerciements La réalisation de ce mémoire a été possible grâce au concours de plusieurs personnes à qui je voudrais témoigner toute ma reconnaissance. Je voudrais tout d’abord adresser toute ma gratitude et mes sincères reconnaissances à mes encadrants, M. Ienco Dino et Mme. Teisseire Maguelonne, pour leur patience, leur disponibilité et surtout pour la confiance qu’ils ont porté à mon égard. Leur judicieux conseils, ont contribué au bon déroulement de mon stage et à l’aboutissement de ces résultats. Je désir également remercier le corps enseignants de l’Institut Francophone International (IFI), qui m’ont fourni les outils nécessaires à la réussite de mes études universitaires. Je voudrais exprimer ma reconnaissance envers Mlle Khiali Lynda pour sa disponibilité et ses explications qui ont contribué à faciliter ma compréhension sur certains points. J’aimerais remercier tous les membres et spécialistes du projet, qui ont pris le temps de discuter de mon sujet. Chacun de ces échanges m’a aidé à faire avancer mon analyse. Enfin, je remercie toute ma famille, et aussi à tous ceux ou toutes celles qui m’ont apporté de prêt ou de loin leur soutien moral et/ou intellectuel durant ces six mois. iii Table des matières Table des figures vii Liste des tableaux ix Nomenclature x Chapitre 1 Analyse du sujet 1.1 Introduction Générale . 1.2 Contexte . . . . . . . . . 1.3 Objectif . . . . . . . . . 1.4 Problématique . . . . . . 1.5 Travail à réaliser . . . . . . . . . 1 2 2 3 3 3 . 5 6 . . . . 6 6 7 7 . . . . 8 8 8 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre 2 État de l’art 2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2 Une approche orientée graphe pour détecter la dynamique spatiotemporelle dans les séries temporelles d’images satellites . . . . . . . . . . . . . . . 2.2.1 Objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.2 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.3 Expérimentations et Résultats . . . . . . . . . . . . . . . . . . . . 2.3 Analyse orientée objet des séries temporelles d’images satellites à l’aide d’une représentation basée sur des graphes . . . . . . . . . . . . . . . . . 2.3.1 Objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.2 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.3 Expérimentations et résultats . . . . . . . . . . . . . . . . . . . . 2.4 Détection et analyse de changements sur l’occupation des terres à base de l’ACP en utilisant des données satellites multitemporels et multi-capteurs 2.4.1 Objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4.2 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.4.3 Expérimentations et Résultats obtenus . . . . . . . . . . . . . . . iv . 9 . 9 . 9 . 10 2.5 2.6 2.7 2.8 Classification des zones urbaines par combinaison d’une analyse orienté objet et une analyse orienté pixels sur des images à très hautes résolution (VHR) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.1 Objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.2 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.5.3 Expérimentations et Résultats . . . . . . . . . . . . . . . . . . . . Détection de changements dans une forêt par une méthode statistique basée sur une analyse orientée objet . . . . . . . . . . . . . . . . . . . . . . . . 2.6.1 Objectif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.2 Méthodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.6.3 Expérimentations et Résultats . . . . . . . . . . . . . . . . . . . . Synthèse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Approche proposée et contributions . . . . . . . . . . . . . . . . . . . . . 2.8.1 Approche proposée . . . . . . . . . . . . . . . . . . . . . . . . . . 2.8.2 Contributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre 3 Méthodologie 3.1 Description générale . . . . . . . . . . . . . . . 3.2 Phases de réalisation . . . . . . . . . . . . . . . 3.2.1 Sélection des objets de référence ObjRefs 3.2.2 Construction des graphes . . . . . . . . . 3.2.3 Construction des cartes de chaleurs . . . 3.2.4 Critères d’évaluations . . . . . . . . . . . 3.3 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Chapitre 4 Présentation des données et protocole expérimentatal 4.1 Présentation des données . . . . . . . . . . . . . . . . . . . . . . . 4.1.1 Généralités sur les données de Sentinel-2 [1] . . . . . . . . 4.1.2 Les données utilisées . . . . . . . . . . . . . . . . . . . . . 4.1.3 Pré-traitement des données . . . . . . . . . . . . . . . . . 4.2 Définition des paramètres . . . . . . . . . . . . . . . . . . . . . . 4.2.1 Paramètres pour la segmentation . . . . . . . . . . . . . . 4.2.2 Paramètres pour la construction des graphes . . . . . . . . 4.3 Analyse des résultats . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.1 Segmentation des images . . . . . . . . . . . . . . . . . . . 4.3.2 Sélection des objets de référence . . . . . . . . . . . . . . . 4.3.3 Construction des graphes . . . . . . . . . . . . . . . . . . 4.3.4 Construction des cartes de chaleurs . . . . . . . . . . . . . v . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 10 11 11 . . . . . . . . 12 12 13 13 14 14 14 14 . . . . . . . 17 18 18 18 21 23 23 24 . . . . . . . . . . . . 25 26 26 27 27 29 30 30 31 31 31 32 33 4.4 4.5 4.3.5 Analyses statistiques . . . . Conclusion . . . . . . . . . . . . . . Environnement matériel et outils de 4.5.1 Environnement matériel . . 4.5.2 Outils de travail . . . . . . . Chapitre 5 Bilan et Perspectives . . . . . . . . travail . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35 42 42 42 43 44 vi Table des figures 2.1 2.2 2.3 2.4 2.5 2.6 Exemple d’un graphe d’évolution[4] . . Résultats sur Libron valley[7] . . . . . Résultats sur Lower Aude valley[7] . . Données d’apprentissage et de test[12] Résultats de la classification [12] . . . . Table d’évaluation[3] . . . . . . . . . . 3.1 Schéma général . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24 4.1 4.2 Bandes spectrales de Sentinel-2 [1] . . . . . . . . . . . . . . . . . . . . . . . Représentation des différentes cultures du bassin de Kamech [source : Anne Biarnes, IRD] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemple de segmentation : sptatialr=30 , ranger=10, Nb segments = 502 . Exemple de segmentation : sptatialr=30 , ranger=40, Nb segments = 147 . Couverture des objets de référence : α= 0.75, Nb ObjRefs = 75 , Tcov=85.60% , Tchv=1.47 % . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Couverture des objets de référence : α= 0.2, Nb ObjRefs = 172 , Tcov=98.64% , Tchv= 30.73 % . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Exemple de graphe d’évolution 1 . . . . . . . . . . . . . . . . . . . . . . . Exemple de graphe d’évolution 2 . . . . . . . . . . . . . . . . . . . . . . . Carte de chaleur : cas 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Carte de chaleur : cas 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Pourcentage cumulé des pixels par rapport au seuil d’apparition . . . . . . Distribution des pixels en fonction de leur fréquence d’apparition : le cas des cultures annuelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribution des pixels en fonction de leur fréquence d’apparition : le cas des cultures fourragères . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Distribution des pixels en fonction de leur fréquence d’apparition : le cas du blé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Indices de Jaccard entre graphes et classes d’occupation . . . . . . . . . . Graphe décrivant l’évolution du lac . . . . . . . . . . . . . . . . . . . . . . 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 4.14 4.15 4.16 vii . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 . 9 . 9 . 11 . 12 . 13 26 27 31 31 32 32 33 33 34 34 35 36 37 37 38 39 4.17 4.18 4.19 4.20 4.21 4.22 Correspondance Correspondance Correspondance Correspondance Correspondance Correspondance entre entre entre entre entre entre graphes graphes graphes graphes graphes graphes et et et et et et parcellaire : cas 1 . . . . . parcellaire : cas 2 . . . . . cultures annuelles : cas 1 cultures annuelles : cas 2 Végétation naturelle : cas Végétation naturelle : cas viii . . . . . . . . 1. 2. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40 40 41 41 42 42 Liste des tableaux 2.1 2.2 Table de données d’expérimentations[4] . . . . . . . . . . . . . . . . . . . 7 Synthèse de l’état de l’art . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 4.1 4.2 4.3 4.4 4.5 4.6 Les différentes classes d’occupations . . . . . . . . . Caractéristiques des données brutes . . . . . . . . . Caractéristiques des données après pré-traitement . . Valeurs de quelques indices de Jaccard . . . . . . . . Scores NMI entre couverture de graphes et parcellaire Scores NMI entre graphes et classes d’occupations . ix . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28 28 29 38 40 41 Nomenclature ARI : Adjusted Rand Index ML : Maximum Likelihood MOR : Morphology NDVI : Normalized Difference Vegetation Index NDWI : Normalized Difference Water Index NMI : Normalized Mutual Information OB-NDVI : Normalized Difference Vegetation Index-object level approch PCA : Principal Component Analysis PS : Pansharp RGB-NDVI : Normalized Difference Vegetation Index-pixel level approch SP : Spectral ST : Série Temporelle TXT : Texture VHR : Very High Resolution VSDI : visible and shortwave drought indeX ObjRefs : Objets de Référence Otb Orfeo ToolBox PAC : Pixels Already Covert STIS : Série Temporelle d’Images Satellites x Chapitre 1 Analyse du sujet L’objectif de ce premier chapitre est de présenter une analyse exploratoire de notre sujet. Pour ce faire, nous y aborderons différents points tout en commençant par l’introduction générale, la définition du contexte ainsi que l’objectif de l’étude et enfin la problématique qui se dessine autour du sujet. 1 1.1 Introduction Générale L’agriculture est l’un des secteurs primordiaux pour la vie et le développement de l’humanité. Elle intervient d’une part dans la lutte pour l’auto-suffisance alimentaire, et constitue aussi une source de revenu pour la plupart des agriculteurs. Grâce à la modernisation des techniques culturales, les exploitations agricoles évoluent considérablement avec le temps. Cette évolution n’est pas sans inconvénient sur la maı̂trise des surfaces exploitables ou exploitées. De nos jours, des satellites de surveillances permettent de recueillir et de stockées de façon périodique des informations sur certaines zones. En effet, la télédétection par satellite est l’un des moyens les plus performants qui permet une collecte automatisée des données en grande quantité et de façon périodique. Lors de son passage, les informations recueillies peuvent être stockées sous forme d’images. Grâce à l’orbite polaire des satellites d’observation de la terre, nous nous retrouvons avec des informations d’une même surface à des périodes différentes d’où l’appellation série temporelle. Les séries temporelles que fournissent les satellites sont donc des images de plusieurs zones ou espaces recueillies sur des instants différents. Quand bien même que, ces images sont issues de la même zone, les informations qui les composent varient d’une période à une autre. Cependant, les informations contenues dans ces données peuvent être difficile à interpréter due au manque de méthodes adaptées et de procédés d’analyses applicables sur ces grandes bases de données. Suivre l’évolution morphologique et/ou temporelle d’un environnement sur une longue durée reste donc une tâche qui fait l’objet de plusieurs recherches. Dans le cas présent, il est question de suivre l’évolution des surfaces agricoles qui ne cessent de varier ou subissent des transformations au fil du temps à partir des images satellitaires, plus précisément de SENTINEL-S2. Dans la suite de notre travail, nous aborderons premièrement l’analyse du sujet, deuxièmement nous étudierons l’état de l’art afin de faire ressortir quelques études ayant fait l’objet du problème posé. Troisièmement, nous aborderons la méthodologie de façon détaillée. Le protocole expérimental et l’analyse des résultats seront présentés dans une quatrième partie. Pour terminer, nous présenterons dans la cinquième partie, la conclusion finale ainsi que les perspectives. 1.2 Contexte L’exploitation des sols agricole varie d’une saison à une autre. De nouveaux espaces peuvent être acquis ou abandonnés, un même espace peut faire l’objet de cultures différentes d’une saison à l’autre. Cette évolution dynamique rend difficile le suivi de ces espaces dont la maı̂trise s’avère pourtant primordiale pour l’évaluation de la production 2 agricole. Ce travail est élaboré dans le cadre du projet TOSCA A-Muse, un projet multidisciplinaire coordonné par le laboratoire LISAH (SupAgro) en partenariat avec plusieurs laboratoires dont l’UMR TETIS. Il s’intègre dans plusieurs domaines dont l’agriculture, la télédétection, l’informatique et plus précisément le traitement d’image et la fouille de données. 1.3 Objectif L’objectif principal de cette étude est de proposer une approche permettant d’analyser le parcellaire cultural. Cette approche s’appuiera sur la méthode proposée par Fabio Guttler et al, [4], spécifiquement mise en place pour l’analyse des séries temporelles d’images satellites. 1.4 Problématique Grâce aux nouvelles techniques de recherche d’informations, les grandes bases de données issues des séries temporelles sont maintenant exploitables. Cependant, la plupart des méthodes ou des approches existantes sont basées sur des techniques de classification appliquées sur des séries temporelles de dimensions réduites. Elles ne permettent pas de fournir des informations sur l’évolution et le comportement des séries temporelles de tailles importantes. L’objectif de ce travail est de proposer une approche permettant d’analyser les séries temporelles d’images satellites, plus précisément pour le parcellaire cultural. La question principale qui se pose est : comment peut-on arriver à suivre l’évolution ou le comportement d’une entité donnée de l’espace sur une mesure spatio-temporelle ? 1.5 Travail à réaliser Notre travail s’inscrit dans le cadre d’une recherche scientifique, il est donc nécessaire pour nous de le subdiviser ou de l’organiser sur deux principaux plans, à savoir le plan théorique et le plan pratique. Sur le plan théorique : cette dimension de notre étude a pour but de nous orienter sur les différents travaux ayant déjà abordés plus ou moins la problématique posée dans notre étude. C’est à l’issue de cette étude que nous proposerons le principe solution ou 3 l’approche à adopter pour la méthodologie à mettre en place pour l’analyse du parcellaire cultural. Sur le plan pratique : cette partie est consacrée à la mise en place de la méthodologie et les techniques d’analyses que nous aurons à proposer. Une fois la solution mise en place, nous procédons à son évaluation, c’est-à-dire, aux différentes expérimentations sur des données réelles qui nous permettrons de valider notre approche. A l’issue de ce travail, nous espérons accomplir les objectifs précédemment énumérés dans la section 1.3. 4 Chapitre 2 État de l’art L’objectif de ce deuxième chapitre est de mener une étude exploratoire afin d’avoir une vision globale des travaux existants qui ont abordé plus ou moins les mêmes thématiques associés à notre sujet. Nous allons donc au cours de cette étude, effectuer une synthèse des travaux sélectionnés afin de faire ressortir l’objectif, les techniques ou approches abordées, les points faibles et points forts de chacune d’elle. 5 2.1 Introduction L’occupation des sols est sans doute le sujet de recherche le plus étudié en télédétection. De façon générale, les techniques et approches utilisées lors de ces différentes études sur l’analyse des séries d’images spatio-temporelles se résument en deux grandes étapes. Il s’agit essentiellement de la phase d’identification de niveau d’analyse (pixel ou objet) et les techniques d’analyses d’évolution sur le plan temporel qui varient d’une approche à une autre. Pour ce faire, deux techniques sont principalement utilisées. • La première consiste à considérer le pixel comme unité élémentaire d’analyse, c’està-dire effectuer l’analyse au niveau pixel[6]. L’information du pixel est analysée en fonction de ses valeurs radiométriques qui le composent le long de la série temporelle. • La seconde consiste à tenir compte d’un groupe de pixels ou encore d’une région ou d’un objet. Cette méthode est généralement basée sur la texture et appartient à la famille des méthodes qui manipulent directement les régions. Chaque région est formée par regroupement de plusieurs pixels. Les pixels ayant les valeurs radiométriques similaires sont regroupés ensemble et la valeur radiométrique de cet ensemble sera équivalente à la moyenne des valeurs des différents pixels qui le compose [11, 8]. Quant aux techniques de suivi, les méthodes utilisées jusqu’à présent sont principalement basées sur les techniques de comparaison. En dehors de la méthode sur laquelle sera basée notre étude, les techniques existantes sont limitées par le fait qu’elles ne sont applicables sur des séries temporelles de grande taille. Dans les paragraphes suivant, nous présenterons cinq travaux de recherches basés sur des analyses orientées pixels et objets. 2.2 Une approche orientée graphe pour détecter la dynamique spatiotemporelle dans les séries temporelles d’images satellites 2.2.1 Objectif L’étude menée par Fabio Guttler et al [4], a pour objectif, la mise en place d’une approche basée sur le principe des graphes, permettant de suivre l’évolution spatiotemporelle d’une entité ou objet donné dans le temps et dans l’espace. Elle constituera la 6 base de notre étude. 2.2.2 Méthodologie L’idée générale de la technique proposée repose sur le fait qu’une entité spatiale appelée Bounding Boxe BB qui connaı̂t des évolutions morphologiques possède une empreinte maximale à une période T donnée. Pour chaque entité choisie, un graphe d’évolution est alors utilisé pour illustrer son évolution allant d’une période T=0 à une période T=n-1, avec n la taille de la série temporelle. Chaque graphe ainsi obtenu permet de retracer les transformations morphologiques de l’entité et de voir les périodes sur lesquelles elle est stable ou instable dans le temps. 2.2.3 Expérimentations et Résultats Dans le but de pouvoir valider l’approche proposée, des expérimentations ont été menées principalement sur deux sites différentes que sont Libron Valley et Lower Aude Valley. La taille de la série temporelle était de six (06) périodes allant de février à septembre 2009 (table 2.1). Ces images sont issues du satellite LandSat. Timestamp T0 T1 T2 T3 T4 T5 Acquisition date 24 February 2009 05 April 2009 07 May 2009 10 July 2009 19 August 2009 12 September 2009 Table 2.1 – Table de données d’expérimentations[4] La figure 2.1 nous permet de voir un exemple de graphe illustratif. Sur les 6 périodes décrites, le bounding box ou l’objet de référence prend son empreinte maximal au temps T0 correspondant à la date d’acquisition du 24 février. De même, la période à laquelle elle est très instable correspond au temps T2 où le même objet s’est subdivisé en quatre sous-objets. Il a été démontré également qu’il est possible, à partir de ce modèle de mettre en évidence la pertinence des régions à partir de leurs indices spectraux. Cette technique a été utilisée dans le cas d’une étude sur zones agricoles. Les indices mis en évidence étaient l’indice de végétation ou le NDVI (Normalized Difference Vegetation Index), l’indice de l’eau ou NDWI(Normalized Difference Water Index), l’indice de sécheresse ou VSDI(visible and 7