Tag Archives: classification

Suivre l’impact des feux de forêts par imagerie satellite avec le plugin Qgis SCP (Semi-Automatic Classification Plugin) : Exemple de l’incendie de fin mars 2015 en Ukraine à proximité de la centrale nucléaire de Tchernobyl

La télédétection est la technique qui permet d’acquérir de la donnée sur le territoire sans y mettre un pied. Pratique, même si le géographe vous dira qu’il faut ne jamais faire abstraction du terrain !

Bref quand on parle de télédétection, on pense souvent aux images satellites qui permettent de cartographier de zones reculées et/ou en voie de développement, là ou justement la cartographie est lacunaire. Les satellites, tournant à grande vitesse autour du globe, permettent en outre de couvrir de grandes distances et de revenir régulièrement aux même endroit. Ainsi les images satellites permettent aussi un couverture périodique du territoire. La mission Landsat de la NASA par exemple permet de couvrir toute zone sur terre tous les 16 jours.

Ces images servent donc à l’observation directe (encore que les résolutions spatiales ne sont pas souvent fameuses) mais elles enregistrent surtout les fréquences de lumières au delà du spectre visible par l’œil humain.

La méthode est complexe aussi nous n’aborderons que le principe général qui repose sur le réflectance . En effet les capteurs des satellites divisent les longueurs d’ondes renvoyées par la matière présente sur terre en bandes. La possibilité d’avoir la bande infrarouge et proche infrarouge par exemple permet de discrétiser la végétation.

C’est cette méthode de classification qui permet de réaliser des cartes de couverture des sols, comme par exemple le programme européen Corine Land Cover.

 


Nous allons utiliser les deux intérêts de la télédétection par images satellites, la fréquence de prise de vues et le large spectre des capteurs, pour suivre, presque en direct (nous sommes mi mai) et mesurer l’impact de l’incendie géant qui s’est produit en Ukraine le 28 mars dernier.

Le but de ce tutoriel est de mesurer la surface de l’incendie dans les heures et les jours qui suivent sont départ.

Pour ce faire, nous allons utiliser :

– une source de donnée ouverte, à savoir les images satellites Landsat 8,

– le plugin SCP (Semi-Automatic Classification Plugin) pour Qgis.


1- La donnée : images Landsat8

Le satellite Landsat 8 a été lancé en février 2013. Il couvre la Terre tous les 16 jours avec des images de 185 km x 185 km,en 16 bits, comptant 11 bandes spectrales : 9 dans le visible (8 multispectrales de résolution 30 m ; 1 panchromatique à 15m) et 2 thermiques (60 m).

 

Landsat 8
Operational
Land Imager
(OLI)
and
Thermal
Infrared
Sensor
(TIRS)Lancement de la missionle 11 février 2013
Bandes Longueur d’onde
(micromètres)
Résolution
(mètres)
Band 1 – utltra bleue (pour étude côtiere) 0.43 – 0.45 30
Band 2 – Bleue 0.45 – 0.51 30
Band 3 – Vert 0.53 – 0.59 30
Band 4 – Rouge 0.64 – 0.67 30
Band 5 – Near Infrared (NIR) – proche Infrarouge 0.85 – 0.88 30
Band 6 – SWIR 1 – Infrarouge 1.57 – 1.65 30
Band 7 – SWIR 2 – Infrarouge 2.11 – 2.29 30
Band 8 – Panchromatique 0.50 – 0.68 15
Band 9 – Cirrus (détection de nuages cirrus – application météo) 1.36 – 1.38 30
Band 10 – Thermal Infrared (TIRS) 1 – Thermique 10.60 – 11.19 100 * (30)
Band 11 – Thermal Infrared (TIRS) 2- Thermique 11.50 – 12.51 100 * (30)

 

Pour télécharger ces images, on peut aller sur le site de l’IGN américain, l’USGS (US Géological Survey) : http://earthexplorer.usgs.gov/

mais on verra que l’on peut aussi télécharger directement depuis le plugin scp


 

2- Le plugins SCP pour Qgis

Le plug-in est développé par un chercher italien, Luca Congedo. Il est installable simplement depuis qgis. Il a juste besoin des bibliothèques scientifiques de python (scipy, numpy et matplotlib)  pour fonctionner pleinement. Il existe un riche manuel pour ce plugin mais malheureusement pour les anglophiles, il n’existe pas en français.

Le principe de la méthode de classification est simple est repose sur le principe de l’identification d’une petite zone, la ROI pour Région Of Interest, et de son interpolation à tous les pixels similaires du raster.

Un fois installé , le plugin ajoute 3 barres (docks) à qgis :

1- la scp toolbar qui permet de convertir (corrections atmosphériques et de réflectance) , voire directement télécharger, les images Landsat et les rendre utilisable pour la classification. C’est d’ici aussi que se configure l’application

2- la barre ROI  qui permet de sélectionner des zones et leur affecter une longueur d’onde.

3- la barre classification qui permet d’affecter un algorithme de classification définie avec la région d’intérêt et d’étendre la discrétisation à toute la carte.

On va donc utiliser ses outils dans ce même ordre chronologique

 

2.1 Télécharger et convertir les images Landsat8 avec la scp toolbar :

On peut télécharger les images depuis la site de l’USGS ou directement depuis le plugin après avoir sélection les dates et la zone voulue.

L’outil permet donc de télécharger les images Landsat (de la version 4 à 8)  pour une zone donnée (Area coordinate) que l’on définie sur la carte de Qgis,pour une plage de dates données (ici du 29/04 au 16/05 de 2015).

Notez sur l’image ci-après que l’on peut aussi demander une image avec peu de nuages (max cloud cover) et que l’on peut directement les convertir et les charger dans Qgis

télécharger_landsat8

l’outil de téléchargement des images Landsat

 

Le résultat du téléchargement est une suite de rasters, une par bande,  que l’on va ensuite convertir pour les rendre utilisable à la classification. Notez que l’on peut appliquer des méthodes de correction atmosphériques et thermiques assez simplement.

De plus l’outil va créer automatiquement un raster virtuel (.vrt) qui va nous permettre d’éviter de charger toutes les bandes dans Qgis. c’est pas top ? 🙂

conversion_images_landsat-scp

Outil de conversion des images Landsat

 

2.2 Définir la zone de d’intérêt (ROI)

Tout d’abord nous allons devoir localiser l’incendie en lui même.

Facile ! le panache de fumée permet de le localiser de très haut.

localisation_feux

localisation de l’incendie par son panache de fumées

Néanmoins quand il s’agit de repérer les surfaces brûlées,  c’est une autre paire de manche…

Heureusement, nous l’avons vu plus haut, Landsat8 dispose de bandes Infrarouge. Nous allons donc dans les propriétés de qgis affecter aux bandes RGB :

le Proche Infrarouge pour le Rouge, le Rouge pour le vert et le Vert pour le bleu. C’est le mode dit « RGB 543 »

RGB543

Vue du raster en mode RGB 453

 

et voilà le résultat ! on voit maintenant. apparaître en noir les zones brûlées  Elle est pas belle la vie ?

visual_2_ir

Ensuite, après avoir créer un .shp pour l’occasion (nommé roi.shp) afin de garder en mémoire les zone de classification, nous allons prendre un échantillon de la zone brûlée que nous allons définir comme telle.

roi

Étapes de la création de la zone de classification

 

Le plugin va maintenant associer les pixels de la zone ROI définie pour une longueur d’onde donnée. C’est par cette méthode que nous allons pouvoir extrapoler ensuite le résultat à toute la zone.

longueur_d_onde

signature spectrale de la zone définie

 

2.3 – La classification

En fonction de cette signature nous allons pouvoir classifier. Pour cela il faut cliquer sur « add to signature » dans la fenêtre roi.

La classe (ici « terre brulee ») passe ainsi dans la fenêtre de classification

 

add_to_signature

Ajout de la zone à l’onglet de classification

 

Dans le cas d’une classification complète de type LandCover, il faut répéter l’opération plusieurs fois.

Dans notre cas, nous allons procéder à la classification, après avoir prévisualisé nos choix d’algorithme de classification et de réglage de seuil.

Nous avons choisi l’algorithme  « Spectral Angle Mapping » avec un seuil de 10.

 

On obtient un raster avec comme bande la valeur de classification. Un fois transformée en vecteur, nous allons pouvoir trouver l’étendue de l’incendie.

Pour cela nous allons rajouter au vecteur un champ aire de valeur => $area

 

calcul_aire

calculatrice de champ de qgis pour le calcul de l’aire de chaque entité

Voila, on peut sommer toutes les aires des entités ainsi trouvées. On trouve près de 10 000 ha !!

 

3 – Résultats :

Et voilà , garce aux données ouvertes Landsat et au plugin scp de qgis on peut faire du monitoring sur des catastrophes d’ampleur en quasi temps réel.

En l’occurrence c’est une catastrophe qui n’a pas fait beaucoup de bruit médiatique  mais pourtant on voit pourtant bien que l’incendie est très proche de la centrale endommagée !

incendie_ukraine_29_mars_2015

incendie_ukraine_29_mars_2015_infrarouge

 

Tagged , , ,