THÈS EE - CESBIO - Université Toulouse III - Paul Sabatier

Chapitre 1. Introduction générale1.2. MéthodeQuestions : quelles applications sont envisageables dans le suivi des rizières ? Quellesméthodes développer ?Les applications de suivi des rizières par télédétection intéressantes pour répondre auxobjectifs posés sont entre autres la quantification des surfaces cultivées et la détermination deleur répartition, l’estimation et la prévision de rendement, et l’observation de l’état du sol(inondé ou sec). Une première étape nécessaire à toutes ces applications consiste à identifierles rizières, et donc à en dresser la cartographie. Il s’agit donc, à partir d’un jeu de données detélédétection, de classifier chaque pixel en plusieurs catégories, avec a minima une classe deriz et une ou plusieurs classes de non-riz.Les méthodes de classification automatiques relèvent traditionnellement de deux approches :supervisée ou non-supervisée.Les méthodes non-supervisées consistent à rassembler les pixels en un certain nombre declasses par des regroupements statistiques issus de la convergence de tests itératifs sur cespixels. Certains algorithmes prennent en compte un nombre prédéterminé de classes (parexemple K-means), ou une gamme acceptable du nombre de classes (par exemple IsoData).Ces méthodes sont utilisées lorsque l’on ne connaît pas la façon dont les différentes classess’expriment dans les données de télédétection dont on dispose. On utilise alors en général latotalité des données disponibles sur la zone sans chercher à en comprendre le contenu eninformation. Ces méthodes nécessitent une interprétation post-classification afin dedéterminer à quel groupe thématique correspond dans la réalité chaque classe retenue. Lesclasses retenues peuvent être trop spécifiques (auquel cas il faudra en regrouper certaines) ouau contraire pas assez et rassemblent alors des pixels appartenant à des catégories que l’onsouhaite séparer. Ces interprétations post-classification demandent une bonne connaissance dela zone considérée et sont spécifiques à celle-ci. La méthode n’est donc pas facilementgénéralisable. De plus, la convergence de l’algorithme peut donner des résultats entièrementdifférents lorsque l’on change le nombre de classes. Les méthodes non-supervisées ne sontdonc pas indiquées pour une utilisation généralisée telle que celle que nous envisageons.16