Obtenez une vue aérienne du monde grâce à l’imagerie satellitaire dans ArcGIS
Regardez le monde d’en haut! Apprenez à travailler avec l’imagerie satellitaire pour convertir des images en produits éloquents.
Cet été, il y a eu plusieurs catastrophes météorologiques majeures, notamment des inondations à Toronto et ailleurs dans le sud de l’Ontario, l’incendie de forêt de Jasper, la tempête de grêle à Calgary et des inondations dans les régions du Québec (selon Global News). À chaque événement de ce type, les autorités doivent évaluer rapidement la situation actuelle et éventuellement prévoir quelles zones voisines seront ensuite touchées, par exemple en cas d’incendie de forêt.
Pour prendre des décisions éclairées en matière de préparation, d’intervention et de rétablissement en cas de catastrophe, les autorités ont besoin de données. Un exemple de données utiles lors de catastrophes naturelles est l’imagerie satellitaire, qui peut être utilisée pour identifier les zones qui brûlent ou ont déjà brûlé, ou les zones qui ont été inondées. En fonction de la fréquence à laquelle le satellite revisite l’endroit, appelée résolution temporelle, il peut être possible de mesurer l’évolution dans le temps du phénomène en question. WorldView-3 de Maxar a un temps de revisite d’un jour, ce qui permet de mesurer la vitesse à laquelle un feu de forêt ou une zone inondée peut s’étendre.
Travailler avec des images vient avec plusieurs défis, notamment le coût, la gestion de grandes quantités de fichiers et de données et la difficulté de classer les images en un produit ou un résultat informatif.
Défi n° 1 : Coût
Deux types de coûts liés à l’imagerie satellitaire sont le temps nécessaire pour la traiter en un produit utilisable pour les utilisateurs finaux et le prix d’acquisition de l’imagerie auprès du fournisseur satellitaire. Par exemple, les images peuvent d’abord avoir besoin d’être orthorectifiées, affinées par fusion ou mosaïquées s’il y a plusieurs scènes, ce qui prend du temps et des ressources. ArcGIS Pro propose des produits et des fonctions matriciels qui manipuleront dynamiquement les données pour vous.
Un fichier texte de métadonnées Landsat 8 se transforme en un produit matriciel dans ArcGIS Pro, où les combinaisons de bandes sont appliquées automatiquement au moyen des canaux visuels rouge, vert et bleu lorsqu’elles sont affichées sur une carte.
Les produits matriciels vous permettent de visualiser votre scène satellitaire de plusieurs manières directement depuis le volet Catalogue à l’aide de combinaisons de bandes prédéfinies. Les fonctions matricielles sont similaires aux outils de géotraitement, mais traiteront les données sources très rapidement dans la mémoire de Pro plutôt que de créer une toute nouvelle sortie sur le disque.
Un NDVI a été calculé avec les données Landsat à l’aide d’une fonction matricielle. Temps de traitement : < 1 sec. Stockage de fichiers supplémentaire sur le disque : 0 Ko. Dans l’image ci-dessus, les zones blanches les plus végétalisées sont principalement des champs et des forêts, tandis que les zones plus sombres représentent l’environnement urbain bâti.
Quant au coût d’acquisition des images, en fonction des exigences telles que la résolution spatiale, il peut être possible de les acheter auprès de fournisseurs commerciaux comme Maxar, ou de les télécharger gratuitement dans le cas de Landsat.
Défi n° 2 : Gestion des données
Souvent, les fichiers d’images sont assez volumineux. Une scène WorldView-2 que je possède fait 12 Go. Ainsi, si des zones voisines ou plusieurs scènes réparties dans le temps sont nécessaires, il devient non seulement difficile de stocker les données, mais également de les traiter en produits dérivés, comme avec une classification de la couverture terrestre. Les fonctions matricielles d’ArcGIS Pro aideront à minimiser la création de sorties physiques pour les produits dérivés, et le jeu de données en mosaïque aidera à mosaïquer dynamiquement les images voisines. Elles vous fourniront également un moyen de gérer plus facilement les images qui se chevauchent et qui figurent différents moments dans le temps.
Ce GIF animé a été créé à partir d’un ensemble de données en mosaïque pointant vers des images annuelles montrant l’étendue minimale de la glace de mer dans l’Arctique. Bien que les images individuelles se chevauchent, l’ensemble de données en mosaïque permet de trier les images qui se chevauchent, dans ce cas en fonction du temps, et avec le curseur temporel, l’animation temporelle devient possible.
Défi n° 3 : Classification des images
Une image satellitaire peut ressembler à une jolie photo où l’on peut voir de l’eau, des arbres et des maisons, mais en réalité, l’image est composée de millions de pixels dont les valeurs représentent la réflectance de la lumière d’une partie du spectre électromagnétique. Par conséquent, pour comprendre quelle zone est brûlée ou sous l’eau, les pixels de l’image doivent être catégorisés ou classés. Il existe plusieurs méthodes utilisées pour classer les données, notamment les approches supervisées et non supervisées, qui prennent généralement du temps et nécessitent beaucoup de compétences. La difficulté et la répétitivité de la classification des images ont conduit à l’utilisation de l’apprentissage profond comme type de classification supervisée. ArcGIS Pro propose plusieurs algorithmes de classification d’images, ainsi qu’un certain nombre de modules d’apprentissage profond pré-entraînés servant à automatiser les flux de travaux.
Un modèle d’apprentissage profond a été initialement formé pour trouver des cocotiers. Lorsque le modèle a ensuite été utilisé pour détecter tous les autres cocotiers dans l’image, il a renvoyé ses résultats avec un indicateur de fiabilité. Malheureusement, il a manqué de nombreux arbres en raison de la formation lacunaire de l’auteur.
Pour en savoir plus sur l’utilisation des données d’imagerie dans ArcGIS :
- Consultez la documentation d’ArcGIS.
- Suivez un cours magistral pour en savoir plus sur les fonctions matricielles, les jeux de données en mosaïque et la publication d’images sur le web.
- Suivez un cours magistral pour en savoir plus sur la classification d’images.
- Essayez ce tutoriel sur la classification d’objets à l’aide de l’apprentissage profond.
Vous souhaitez être informé des nouvelles occasions de formation à Esri Canada? Visitez le Centre de préférences en matière de communications d’Esri Canada et cochez la case « Formation » pour recevoir un résumé mensuel directement dans votre boîte de réception.
Ce billet a été écrit en anglais par Oli Helm et peut être consulté ici.