Rapport de stage - Planet Action
Rapport de stage - Planet Action
Rapport de stage - Planet Action
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Maitrise <strong>de</strong> la cohérence <strong>de</strong>s processus<br />
<strong>de</strong> production pour la mise en place<br />
d’une base <strong>de</strong> données géographiques<br />
combinaison particulière <strong>de</strong> données sont apparus adéquats à la situation, il est difficile d’extrapoler et<br />
<strong>de</strong> déterminer quelles seront les meilleures données et les meilleures métho<strong>de</strong>s <strong>de</strong> traitement pour une<br />
nouvelle région, y compris pour une application similaire. Les causes <strong>de</strong>s incertitu<strong>de</strong>s sont donc à<br />
chaque fois méconnues. L’approche développée par Schott (2007) amène à mieux appréhen<strong>de</strong>r cette<br />
difficulté, grâce à la notion <strong>de</strong> « chaîne image ». Chaque « chainon » pris individuellement représente<br />
les différentes étapes du processus <strong>de</strong> traitement qui composent la chaine complète, c'est-à-dire la<br />
somme <strong>de</strong>s processus intervenant entre l’image d’origine et le résultat. Ce principe permet <strong>de</strong> retracer<br />
les différentes étapes réalisées et les interrelations. Il <strong>de</strong>vient ainsi plus facile <strong>de</strong> comprendre les<br />
limites <strong>de</strong> chaque chainon, et donc <strong>de</strong> mieux comprendre et évaluer les multiples sources<br />
d’incertitu<strong>de</strong>s au sein <strong>de</strong> chaque application particulière. L’idée est d’être en mesure <strong>de</strong> préciser la<br />
contribution qu’apporte chacune d’elle dans les incertitu<strong>de</strong>s reportées au document final. L’une <strong>de</strong>s<br />
illustrations <strong>de</strong>s plus évi<strong>de</strong>ntes <strong>de</strong> ce phénomène est l’effet <strong>de</strong> différents algorithmes <strong>de</strong> classification<br />
sur les incertitu<strong>de</strong>s. D’autres éléments sont également à prendre en considération dans ces incertitu<strong>de</strong>s,<br />
comme l’effet <strong>de</strong> corrections atmosphériques et radiométriques sur une classification, ou sur la<br />
détection <strong>de</strong> changements pour <strong>de</strong>s processus <strong>de</strong> traitements calibrés à partir d’images prises en<br />
différents lieux et/ou temps, sur les images utilisées au final (Song et al, 2001).<br />
Des travaux émettent la possibilité d’associer aux données spatiales qualifiées d’incertaines, la<br />
cartographie <strong>de</strong>s intervalles <strong>de</strong> confiance <strong>de</strong>s pixels attribués à une classe (Foody et al, 1992 ;<br />
Carpenter et al, 1999 ; McIver et Friedl, 2001). Plusieurs algorithmes <strong>de</strong> classifications peuvent ainsi<br />
être configurés pour donner ces renseignements, comme l’erreur quadratique moyenne (RMSE)<br />
reportée sur les cartes finales.<br />
Comme nous venons <strong>de</strong> le voir, <strong>de</strong> nombreuses étapes sont susceptibles <strong>de</strong> présenter <strong>de</strong>s limites pour<br />
les résultats, incluant calibration <strong>de</strong>s images, corrections radiométriques, traitements atmosphériques<br />
et autres processus plus ou moins complexes. Ces quelques exemples, pris dans le domaine <strong>de</strong> la<br />
télédétection, illustrent quelques-uns <strong>de</strong>s chainons à i<strong>de</strong>ntifier pour éclaircir toute la complexité<br />
inhérente à la transformation d’une donnée brute pour son exploitation. Caractériser ces incertitu<strong>de</strong>s et<br />
tenir compte <strong>de</strong>s liens entretenus entre les divers paramètres et processus mis en œuvre tout au long <strong>de</strong><br />
cette chaine améliore nettement la précision, la pertinence <strong>de</strong>s données, et donc l’intégration <strong>de</strong>s<br />
produits dérivés <strong>de</strong> la télédétection dans les systèmes d’informations géographiques.<br />
2.3.3 Les domaines d’incertitu<strong>de</strong>s en télédétection<br />
Qu’elles relèvent <strong>de</strong>s relations entre propriétés intrinsèques <strong>de</strong>s images, paramètres utilisés pour<br />
l’exploitation <strong>de</strong> cette information, ou encore algorithme <strong>de</strong> classification utilisé, les incertitu<strong>de</strong>s en<br />
télédétection sont multiples. On les englobe généralement dans plusieurs grands « domaines », et que<br />
l’on illustre chacun ci-<strong>de</strong>ssous par un exemple.<br />
2.3.3.1 Incertitu<strong>de</strong>s au niveau <strong>de</strong>s paramètres<br />
L’un <strong>de</strong>s premiers paramètres d’incertitu<strong>de</strong> intervenant dans la chaine i<strong>de</strong>ntifiée par Schott serait tout<br />
d’abord la transformation <strong>de</strong>s valeurs digitales en valeur <strong>de</strong> réflectance. Chaque image satellite<br />
présente, <strong>de</strong> par ses propriétés intrinsèques, différents paramètres tels que la profon<strong>de</strong>ur optique,<br />
l’angle <strong>de</strong> prise <strong>de</strong> vue, la valeur <strong>de</strong> radiance, etc., chacun apportant son lot d’erreurs, si minimes<br />
soient-elles, comme variable dans le modèle <strong>de</strong> transformation, créant ainsi <strong>de</strong> l’incertitu<strong>de</strong>. Draper et<br />
Smith (1998) précisent que la certitu<strong>de</strong> relative <strong>de</strong>s paramètres peut être vue comme un contraste entre<br />
<strong>de</strong>s intervalles <strong>de</strong> confiance pour une moyenne et <strong>de</strong>s intervalles <strong>de</strong> prédiction pour <strong>de</strong>s valeurs non<br />
mesurées<br />
2.3.3.2 Incertitu<strong>de</strong>s par rapport aux modèles<br />
Il s’agit <strong>de</strong> ce que Draper (1995) appelle les incertitu<strong>de</strong>s « structurales », car relatives à la forme ou à<br />
la structure du modèle, comme les résultats d’une classification effectuée avec un algorithme en<br />
maximum likelyhood et <strong>de</strong> ceux d’une classification effectuée avec le plus proche voisin. L’incertitu<strong>de</strong><br />
<strong>Rapport</strong> Fivel Master 2 TGAE – Année 2010-2011 Page 10