|
|
Bassin du Congo - Exercice à partir de données Landsat - suite 
Classification non dirigée
Pour une meilleure planification et utilisation des ressources disponibles, il est nécessaire de bien comprendre l'environnement. Un type de classification relativement simple est la classification non dirigée. Tous les pixels d'une image sont regroupés en un nombre spécifié de classes basées sur les similitudes de leurs valeurs dans l'échelle de gris. Ouvrez le programme LEOWorks. Si vous n'avez pas encore téléchargé les images du bassin du Congo, faites-le maintenant.
Choisissez File>Open. Une boîte de dialogue apparaîtra. Accédez au dossier Congo et sélectionnez les images Congo_Landsat_Band_1.tif, Choisissez Multivariate Analysis>Unsupervised Classification et sélectionnez toutes les images. Tapez 5 pour le nombre de classes Classes et 10 pour le nombre des itérations. Une itération est la répétition d'une séquence d'instructions d'ordinateur un nombre de fois spécifié ou jusqu'à ce qu'une condition soit remplie. Enregistrez la nouvelle image sous congo_unsupervised (TIF) dans le dossier 'Congo'. Ajoutez une légende à l'image classée. Choisissez Image>Add Legend et sélectionnez la première classe.
Essayez de trouver un nom pour chaque classe en comparant l'image classée avec l'image en vraie couleur Congo_Landsat_Band_321.tif et votre division de l'exercice sur la combinaison d'images multispectrales.
Comparez les noms choisis pour les classes avec les noms attribués par vos camarades de classe et expliquez vos points de vue. Toutes les informations de l'image sont ré-échantillonnées et regroupées dans les 5 classes. Toutefois, les couleurs affectées sont sans effet. Remplacez les couleurs par des couleurs plus familières. Choisissez Edit LookUp Table et sélectionnez la première couleur. Changez les valeurs RVB à l'aide des curseurs. Essayez de trouver les couleurs les plus appropriées et enregistrez l'image sous le même nom. Maintenant, essayez d'autres variations, par ex. 4 ou 6 classes avec 10 itérations et 5 classes avec 3 ou 25 itérations.
Notez et discutez les changements particuliers.
L'image classée congo_unsupervised est pleine de couleurs étendues et d'objets minuscules. Dans certaines parties de l'image, ces objets se distinguent difficilement. Les contours sont utiles pour améliorer la différenciation. De plus, les contours permettent les grossissements sans obtenir d'objets flous. Selon les besoins, les contours peuvent être générés à partir de différentes images. Par exemple, pour identifier la surface de l'eau, il est raisonnable d'utiliser une image infrarouge.
Ouvrez le programme LEOWorks. Si vous n'avez pas encore téléchargé les images du bassin du Congo, faites-le maintenant.
Améliorez l'image Congo_Landsat_Band_7.tif en procédant comme décrit dans l'exercice sur les images composites en vraie couleur.
Choisissez Enhance>Filter>Find Edges>Sobel.... Et après Image>Invert....L'image se transformera en un dessin au trait. Enregistrez l'image sous congo_contour7 (TIF) dans le dossier Congo.
Ouvrez l'image congo_unsupervised.tif et convertissez-la en RVB. Choisissez Image>Convert to...>Red Green Blue.
Choisissez Image>Transparent Overlay. Sélectionnez le dessin au trait congo_contour7.tif comme BackGround Image et l'image classée congo_unsupervised.tif comme ForeGround Image ; réglez opacity sur 25%.
Quelles sont les classes entourées par des polygones ? Expliquez pourquoi en pensant aux différentes longueurs d'ondes du réfléchissement. Que peut-on dire de la disposition des polygones et des couleurs des différentes surfaces d'eau? Comparez les deux dessins au trait ci-dessous. Leur structure est très différente. Essayez de nommer les principaux éléments des images. Utilisez l'image classée congo_unsupervised.tif comme référence. Laquelle des deux images est-elle une image infrarouge ? Expliquez vos raisons. Last update: 22 avril 2013
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
