Le livre des resumes - Université des Sciences et de la Technologie ...

STOP FEU, Oran 2010 Orales Thème I
O.1.4
Évaluation de La Télédétection Des Feux de Forêts par Classification
M.Rebhi, A.Belghoraf et J.Zerubia
Laboratoire Signaux et système- Université Abdelhamid Ibn Badis-27000
Mostaganem, Algérie Email : rebhi@univ-mosta.dz
Département d’électronique, Université des Sciences et de la Technologie d’Oran –
Mohamed Boudiaf, 31000 Oran, Algérie
INRIA Sophia Antipolis Méditerranée - 2004, route des Lucioles - BP 93 - 06902
Sophia Antipolis Cedex, France
Les feux de forêt durant les mois de faible pluviométrie sont un problème majeur en
Algérie. La direction Générale des Forêts a publié pour la période s’étendant
seulement du 01/06/2009 au 31/07/2009 le lourd bilan de 1477 foyers de feu avec une
moyenne de 24 nids de feu par jour causant la perte de 17076 ha de végétation dont
11946 ha de forêts et maquis soit avec un taux de 70 %.
Dans cet article, il s’agira de classification supervisée de feux de forêts. Parmi les
méthodes de classification les plus utilisées, on peut citer celle des machines à vecteurs
de support ou séparateurs à vaste marge (Support Vector Machine, SVM). Cette
technique nécessite une base d’apprentissage à ensembles d’entraînement positif et
négatif. En absence de données de satellites dédiés à la détection de feux de forêts,
l’algorithme appliqué sur une image Alsat-1 à trois bandes spectrales donne des
résultats très appréciables comparés à des relevés de terrain.
La figure 1 représente une image de la (Region Of Interest) ROI dans la Wilaya de
Jijel acquise dans les trois bandes spectrales par Alsat-1 après un feu de forêt ravageur
qui s’est déclenché pendant l’été 2007.
Figure 1: Image Alsat-1 de la zone d’intérêt.
La première étape était de sélectionner aussi convenablement que possible
l’ensemble des pixels d’entraînement. Ceci entraîne la répétition de cette étape autant
de fois pour converger vers des détections les plus proches des vérités de terrains (VT)
obtenues auprès de la Direction Générale des Forêts. Une fois la phase d’apprentissage
terminée, les résultats seront exploités pour déterminer à partir des histogrammes la
radiométrie des pixels indiquant des zones ravagées par le feu, c'est-à-dire la classe
positive selon la SVM.
La figure 1 est de 1297 x 1029 pixels. Les relevés de terrain constituant des VT
effectuées par les agents relevant de la Direction Générale des Forêts nous ont permis
d’élaborer une image référence. Cette dernière servira à vérifier les résultats obtenus
par notre algorithme de classification (cf. figure 2).
27