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