Variabilité spatio-temporelle de la chlorophylle en surface de la mer ...

absence de mesures sur terrain et en absence de modèles physiques adaptés aux données
disponibles, de calculer des signatures de terrain à partir des images ROS, et d’y appliquer
une méthode de classification SVM permettant ainsi l’extraction de l’information de salinité.
Nous disposons de 3 images radar du site d’étude, acquises respectivement le 24 décembre
2008, le 15 janvier 2009 et le 4 mars 2009. Ce sont des images d’amplitude issues du capteur
ASAR (Advanced Synthetic Aperture Radar) du satellite ENVISAT dans les deux
polarisations HH et VV, avec une résolution de 12,5 m et selon les modes IS1 (pour la
première et la troisième image) et IS4 (pour la deuxième image).
⎫ Cartographie de la salinité des sols par SVM
• Prétraitement des images :
Les trois images que nous disposons ne représentent pas exactement la même zone de
terre. Il y a un décalage entre les trois. Afin de remédier à ce problème et d’adopter le même
référentiel, nous avons procédé à un recalage des images en utilisant une interpolation
bilinéaire. Pour ce faire, nous avons utilisé le logiciel ENVI puisque l’application de recalage
disponible sur OTB ne permet pas la sélection de points d’intérêt facilitant la tâche de calcul.
• Extraction des signatures :
Nous avons créé six signatures pour chacune des trois images. La première est le résultat
d’un filtre moyenneur 7x7 sur le canal HH. La deuxième est la même chose, sauf que c’est
pour le canal VV. Les deux nous informent sur la réflectivité du sol. La troisième signature
est le rapport point par point entre la première et la deuxième signature que nous venons de
calculer. Elle représente l’information polarimétrique des données. Elle peut être considérée
comme une mesure de contraste entre un effet purement horizontal et un effet purement
vertical, ce qui tiendra compte de la rugosité de surface. De plus, ça aura un effet de
simplification du bruit multiplicatif présent dans les images radar. La quatrième signature est
le rapport entre la variance et la moyenne du canal HH de l’image en question. Ce rapport
constitue une spécificité des images radar. Il renseigne sur l’importance du speckle dans
l’image. La cinquième signature est le gradient selon les lignes puis les colonnes du canal HH
de l’image en question. Elle représente une information de texture. Il est de même pour la
sixième signature, sauf que c’est pour le canal VV.
Une fois les six signatures calculées, nous procédons à leur normalisation afin d’avoir des
ordres de grandeur semblables.
• Classification par SVM :
En absence de points étiquetés pour la phase d’apprentissage du classificateur SVM, nous
nous sommes placés dans l’hypothèse disant que le centre du lac salé sur l’image est la région
la plus salée, et nous l’avons utilisée comme une classe unique pour l’apprentissage du SVM
ONE_CLASS [4] avec un noyau RBF (Radial Basis Function).
Lors de la classification, le SVM ONE_CLASS distingue entre les points appartenant à cette
classe et ceux qui n’y appartiennent pas. Donc, normalement, il affectera deux étiquettes
différentes, une pour la classe en question et une autre pour tous les points n’appartenant pas à
cette classe. Ce qui va nous créer deux classes en tout. Mais pour cartographier la salinité,
nous avons besoin de détecter les différences entre les teneurs en sel du sol. Pour cela, nous
avons modifié le principe d’action du SVM ONE_CLASS afin qu’il affecte à tous les points
hors la classe centrale, non pas une étiquette unique, mais chacun une étiquette propre à lui,
qui sera la distance qui le sépare de la classe centrale.
3. Résultats :
Les résultats obtenus semblent être cohérents, présentant la répartition de la salinité qui
varie entre le centre du lac salé et les champs avoisinants. En partant de l’hypothèse que le
centre du lac est la région la plus salée, nos résultats se présentent sous la forme d’une
dégradation de couleurs, montrant la répartition de la teneur en sels de la zone imagée. La
130