Etude de l’urbanisation de la commune d’Ain Taya | Matériels et méthodes
29
Dans notre cas, il est important d’avoir une image en deux classes, appelée plus
couramment « image binaire ». Cette image binaire est générée en déterminant un seuil qui
sépare une classe représentant l’« urbain » et une classe représentant le « non urbain ». Le
seuillage a été appliquée sur le logiciel ENVI :
✓ ENVI > File > Open (l’image correspondant à l’indice calculé)
✓ Clic droite sur l’image de l’indice > New Raster Color Slice
La fenêtre qui s’affiche (Edit Raster Color Slice) donne un histogramme des valeurs spectrales
de l’image de l’indice. Deux classes sont constituées manuellement (deux slices avec des
couleurs différentes) en jouant sur le seuil, ou bien la limite qui sépare les classes, afin de
séparer entre les zones urbanisées et les zones non-urbanisées (Figure 11). Le résultat final est
ensuite enregistré sous forme d’une image de classification.
Figure 11 : Illustration de la méthode de seuillage adoptée pour la séparation de la
classe de l’urbanisation
souvent corrélées à des entités hydrographiques ouvertes dans d'autres indices (Zha
and Gao, 2003).
NDVI
L’indice de végétation de différence normalisée (NDVI, Normalized Difference
Vegetation Index) est un indice normalisé qui vous permet de générer une image
illustrant la couverture végétale, également appelée biomasse relative. Cet indice tire
parti du contraste des caractéristiques de deux canaux d’un jeu de données raster
multispectral : l’absorption de pigments chlorophylliens dans le canal rouge et la
réflectivité élevée des matières végétales dans le canal du NIR (Rouse et al., 1974).
PC1
L’analyse en composantes principales est utilisée en télédétection pour créer un
ensemble de données plus petit à partir de bandes multiples, tout en conservant autant
d'informations spectrales originales que possible. Le résultat est un ensemble de
bandes d'images non corrélées, appelées bandes PC. PC1 correspond à la 1
ère image,
c’est-à-dire à celle qui comprend le plus d’informations.
29
Dans notre cas, il est important d’avoir une image en deux classes, appelée plus
couramment « image binaire ». Cette image binaire est générée en déterminant un seuil qui
sépare une classe représentant l’« urbain » et une classe représentant le « non urbain ». Le
seuillage a été appliquée sur le logiciel ENVI :
✓ ENVI > File > Open (l’image correspondant à l’indice calculé)
✓ Clic droite sur l’image de l’indice > New Raster Color Slice
La fenêtre qui s’affiche (Edit Raster Color Slice) donne un histogramme des valeurs spectrales
de l’image de l’indice. Deux classes sont constituées manuellement (deux slices avec des
couleurs différentes) en jouant sur le seuil, ou bien la limite qui sépare les classes, afin de
séparer entre les zones urbanisées et les zones non-urbanisées (Figure 11). Le résultat final est
ensuite enregistré sous forme d’une image de classification.
Figure 11 : Illustration de la méthode de seuillage adoptée pour la séparation de la
classe de l’urbanisation
souvent corrélées à des entités hydrographiques ouvertes dans d'autres indices (Zha
and Gao, 2003).
NDVI
L’indice de végétation de différence normalisée (NDVI, Normalized Difference
Vegetation Index) est un indice normalisé qui vous permet de générer une image
illustrant la couverture végétale, également appelée biomasse relative. Cet indice tire
parti du contraste des caractéristiques de deux canaux d’un jeu de données raster
multispectral : l’absorption de pigments chlorophylliens dans le canal rouge et la
réflectivité élevée des matières végétales dans le canal du NIR (Rouse et al., 1974).
PC1
L’analyse en composantes principales est utilisée en télédétection pour créer un
ensemble de données plus petit à partir de bandes multiples, tout en conservant autant
d'informations spectrales originales que possible. Le résultat est un ensemble de
bandes d'images non corrélées, appelées bandes PC. PC1 correspond à la 1
ère image,
c’est-à-dire à celle qui comprend le plus d’informations.