ESAEducationAccueilMétéo et climatChangement globalLes catatastrophes naturelles
   
Inondations
Thessalonique (Grèce)
Tremblements de terre
IntroductionTremblement de terre d'Izmit
Ouragans
Ondes de tempêteL'ouragan Katrina
Volcans
IntroductionCeinture volcanique andineEtnaNyiragongo et Nyamuragira
 
 
 
 
 
printer friendly page
Exercice 2 : Détection de la lave et classification dirigée
 
Page123
Classification dirigée

Nous allons maintenant apprendre à effectuer une classification semi-automatique afin de détecter la lave et les changements inhérents à un volcan. Les résultats de la classification reposent sur la différence de réponse spectrale des caractéristiques perçues (par ex. la végétation, la zone urbaine, la lave, les sols) dans les différentes bandes spectrales.

L'intervention humaine est nécessaire à l'exécution d'une classification dirigée. Des champs de références sont tracés afin de former le logiciel à reconnaître quelles valeurs de pixels appartiennent à quelles classes. Le logiciel assigne chaque pixel à une certaine classe, en exécutant la classification au moyen de l'algorithme de maximum de vraisemblance (voir didacticiel à partir de la p.52).  
 
Définition d'une classe
 
Tout d'abord, déterminez ce que vous voulez étudier. Pour classer différents types de végétation, vous sélectionnerez les champs de référence différemment que si vous vouliez distinguer la lave de la végétation ou d'autres caractéristiques. Cet exercice présente deux objectifs :

  • Premièrement : détecter la lave. Celle-ci permettra plus tard la détection des changements post-classification. Cela signifie que les changements seront étudiés au moyen d'opérations arithmétiques des résultats de classification.
  • Deuxièmement : identifiez les villes, les villages et les routes.

Les nuages posent un gros problème lors de l'exécution de classifications d'images optiques, tout comme les ombres des nuages qui, dans certaines bandes, peuvent être confondues avec d'autres caractéristiques de valeurs « sombres » (comme la lave).

Il existe deux façons de filtrer les nuages et leurs ombres : 1) en créant un masque de nuage (cloud mask) (le masquage automatique se fait au moyen d'un algorithme de seuil ou de classification et/ou d'une numérisation manuelle, afin de pouvoir ultérieurement supprimer de l'image les zones de pixels concernées) ou 2) en créant une classe spécifique pour les nuages et les ombres (comme pour l'image de 2001).

Les classes prédéfinies sont les suivantes :

  • Lava (Lave)
  • Urban (Zone urbaine) - Villes, villages, rues
  • Vegetation (Végétation) - Dans ce cas il n'est pas nécessaire de faire la distinction entre les différents types de végétation
  • Water (Eau) - Il est important d'avoir une classe réservée à l'eau afin d'éviter de la confondre avec la lave ou avec des zones urbaines
  • Clouds (Nuages)
  • Cloud shadows (Ombres des nuages

 
 
Page123

 
 
 


Nyiragongo et Nyamuragira
Nyiragongo et Nyamuragira
Détection des changements et évaluation des dangers
Détection des changements et évaluation des dangers: Feuille de travailExercice 1 : Découvrir et comprendre les volcansExercice 3 : Détection des changements multi-temporels et surveillance
Eduspace - Télécharger
Nyiragongo_Landsat.zip
Eduspace - Logiciels
LEOWorks 3LEOWorks 3 Tutorial
 
 
 
   Copyright 2000 - 2014 © European Space Agency. All rights reserved.