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