NL FR EN
www.belgium.be

Extraction d’informations spatiales pour les régions urbaines basée sur des données hyperspectrales (URBAN)

Projet de recherche S0/00/011 (Action de recherche S0)

Personnes :

Description :

THEME ET CONTEXTE

Cette proposition se situe dans le domaine suivant: Gestion du pays, aménagement du territoire et cartographie".

Le but de cette proposition est d'extraire des informations utiles, concernant des régions urbaines et suburbaines, provenant de données hyperspectrales tout en utilisant les données déjà disponibles obtenues lors des campagnes CASI-SWIR. Cette proposition rejoint le projet STEREO "Extraction d'informations spatiales pour les autorités locales et régionales fondée sur une base de données à très haute resolution". Le sud de Gand a été choisi comme zone à tester. Cette proposition est orientée de façon à obtenir deux types d'informations, provenant de données hyperspectrales et ce concernant les régions urbaines et sub-urbaines, à savoir: des informations géométriques et thématiques.

L'obtention d'images par télédétection, nommées également images hyperspectrales, est caractérisée par les déplacements du relief et les diversités du relief. Ceci se passe en dehors du centre de l'image, donc dans le cas d'obtention d'images par télédétection, cela signifie en dehors de la ligne de vol. Lors de l'analyse monoscopique, ces déplacements perturbent l'interprétation, la classification et la cartographie de l'image. En outre, lorsque les images percues ont été parcourues en raies avec un recouvrement de 60%, les déplacements peuvent donner une plus-value étant donné que les images peuvent alors être traitées de façon stéréoscopique, ce qui permet d'en retirer des informations supplémentaires, telles que des enveloppes DEM' et des ortho-photos.

La disponibilité des données multi-spectrales se limitait à des données à dimension relativement basse. L'évolution récente au niveau de la technologie du détecteur, qui permet d'enregistrer des données en 100 bandes, connues sous le nom de données hyperspectrales, offre le potentiel, dès à present, d'obtenir plus d'informations détaillées et précises qu'auparavant. L'augmentation significative de la complexité des données exige que de nouvelles methodes soient développées pour traîter les données ceci afin de pouvoir garantir que l'offre gigantesque d'informations, présentes dans les données hyperspectrales, puissent être utilisées au maximum. Jusqu'à présent, l'utilisation de données hyperspectrales dans la télédétection urbaine est relativement minime. Il est évident que les données hyperspectrales, faites de bandes extra fines, possèdent un potentiel pour faire augmenter les possibilités qui permettent de distinguer par voie spectrale les différents matériaux des surfaces urbaines. En utilisant des données multi-spectrales coventionnelles, il est difficile d'établir la différence entre certaines classes spectrales comparables (ex.: entre bâtiments et différentes classes de routes). L'utilisation de données hyperspectrales peut mener également à une meilleure caractérisation de la situation écologique dans les régions urbaines, ceci par la cartographie thématique et plus détaillée des zones vertes.

Pour ôter les déplacements du relief dans des images hyperspectrales, on utilisait jusqu'à présent un DEM externe, tels que les DEMs obtenus par un altimètre au laser, ou par la photogrammétrie aérienne, etc... En modifiant l'enregistrement d'images hyperspectrales en recouvrement stéréoscopique de deux images, il est possible d'obtenir un DEM et une acquisition d'images hyperspectrales. Le principe du DEM avec deux images qui se recouvrent, provenant d'un "scanner pusbroom" a été testé avec succès sur les images "Aster". Ce DEM n'est pas utilisé uniquement pour ortho-rectifier les images spectrales. Les données culminantes procurées par le DEM peuvent être ajoutées au processus de classification comme données supplémentaires. Les informations culminantes, déduites du DEM, peuvent fournir une réponse définitive concernant la classe fonctionnelle (usage agraire) à laquelle appartient le matériel de surface spectrale, (ex.: terre battue sur les toits, terre battue sur les routes). Cela peut également faciliter une meilleure diversification des classes fonctionnelles (ex.: la hauteur d'un bâtiment peut être un critère morphologique important quant à en déterminer la fonction).


OBJECTIFS

Le but de cette proposition est d'analyser comment les données hyperspectrales peuvent contribuer à mieux différencier le type des surfaces urbaines. Le but est d'analyser les possibilités qu'offrent les données enregistrées qui ont été prises dans différentes raies avec un recouvrement de 60% afin de produire une enveloppe DEM ainsi qu'une ortho-photo et de vérifier la précision des données enregistrées. Le second but est de comparer la puissance différentielle des données multi-spectrales avec celle des données multi-spectrales conventionnelles à très haute résolution, appliquées sur les régions urbaines et péri-urbaines.

Les objectifs spécifiques sont:

a) Produire une enveloppe DEM et une ortho-photo de données hyperspectrales stéréoscopiques à résolution relativement faible (ex. 1 mètre)

b) Comparer la précision d'un DEM, provenant de données "scannées" avec la précision d'un DEM provenant de photos aériennes à très haute résolution (analyse 3D) et également vérifier la précision géométrique de l'ortho-photo (analyse 2D)

c) Effectuer une analyse statistique sur les caractéristiques des différentes classes d'utilisation du sol et de recouvrement du sol dans le domaine hyperspectrale en calculant des tables de contingence entre les bandes (ou les groupes de bandes) basée sur l'interprétation de la photographie aérienne

d) Evaluer les différentes techniques utilisées pour la réduction dimensionnelle des données hyperspectrales dans le contexte de la télédétection urbaine

e) Tester le fonctionnement des différentes classifications multi-spectrales d'algorithmes appliquées sur des données hyperspectrales

f) La puissance différentielle en surface urbaine type qui peut être obtenue avec des données hyperspectrales

Documentation :