CHADE - Détection de changements pour la mise à jour de bases de données vectorielles par classification

Context and objectives

Une connaissance à jour de l’occupation du sol est très importante pour de nombreux acteurs ayant des responsabilités en aménagement du territoire. L’occupation du sol change sans cesse et cette information doit être mise à jour de manière périodique. Les bases de données géospatiales vectorielles belges à des échelles locales (par exemple, le parcellaire agricole de la Direction Générale de l’Agriculture de la Région Wallonne, les cartes topographiques 1/10000 de l’IGN et le Projet Informatique de Cartographie Continue du Ministère de l’Equipement et des Transport de la Région Wallonne) ont été réalisées par des techniques de cartographie digitale basées sur des photos aériennes, et la mise à jour de ces bases de données est maintenant à l’ordre du jour.
Jusqu’à aujourd’hui, l’interprétation de photos aériennes est une technique standard pour le suivi des changements d’occupation du sol lorsque des résolutions spatiales fines sont requises. Cette technique est coûteuse et prend beaucoup de temps. Cependant, les données satellitaires à très haute résolution spatiale (THR) répondent, depuis 1999, aux besoins cartographiques et de suivi de l’occupation du sol au niveau communale et régional de planification. En effet ces données issues des capteurs Ikonos, QuickBird, OrbView-3, et dans un futur proche, des capteurs français Pleiades-HR, ont une résolution spatiale en dessous de 5m en mode multispectral et en dessous de 1m en mode panchromatique.
Ces nouvelles sources de données combinent les avantages des données satellitaires (vue synoptique, format digital adéquat pour les traitements informatiques, information quantitative sur l’occupation du sol sur de grande surface et à de fréquent intervalles de temps) avec une très haute résolution spatiale.
Malgré ces avantages, l’utilisation de données THR entraîne quelques problèmes lors de la classification par pixel, souvent utilisées dans les techniques de détection de changement. Les deux principaux problèmes survenant lors de la classification par pixel de données THR sont la variabilité interne et la faible résolution spectrale.
Une solution pour éviter ces problèmes serait l’utilisation de la classification par région. La segmentation, précédant la classification, produit des régions homogènes représentant des objets discrets ou des aires dans l’image. Chaque région issue de la segmentation devient alors une unité d’analyse qui permet l’élimination de nombreux parasites. La segmentation des images fournit une transition logique entre le pixel et l’unité cartographique plus pertinente pour la détection des changements au sein des cartes et permet l’utilisation de caractéristiques additionnelles, en plus des caractéristiques spectrales, lors de la classification afin de compenser la faible résolution spectrale des données THR. Ces caractéristiques pouvant être la surface, le périmètre, la compacité, la texture ou le contexte. La segmentation est en effet une des seules méthodes qui permet le calcul de caractéristiques morphologiques (surface, périmètre…).