WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Dynamique des paysages végétaux autour d'une ville moyenne et sa périphérie. Cas de mMiganga (de 1987 à  2015)

( Télécharger le fichier original )
par Issouhou Mouhaman
Université de Ngaoundéré - Master 2015
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

2.3.3. La classification dirigée : un meilleur moyen pour quantifier l'occupation du sol

Due aux limites que présente la classification non dirigée, nous optons pour la classification dirigée, dont l'atteinte d'un résultat pertinent et l'obtention d'un rendu significatif et représentatif nécessite de passer par certaines étapes.

- Mise en place des parcelles d'entrainement

L'identification des parcelles d'entrainement après avoir constaté la difficulté de séparer certaines classes est une nécessité. En effet, nous avons choisi 3 parcelles d'entrainement pour chaque élément de l'occupation du sol. À l'aide d'un GPS, les coordonnées obtenues, préalablement renommées en conformité avec l'élément géo localisé ont tout d'abord été projetées sur l'image Google Earth de la même année (afin de s'assurer de l'exactitude de leur position) avant d'être « appelées »30(*) sous ENVI pour la discrimination des couches à problème en retenant la signature numérique de chaque élément pour la création des ROI (régions d'intérêt) et procéder à la classification supervisée par maximum de vraisemblance.

- Cartographie de l'occupation du sol par classification supervisée

Nous avons mis en place la carte d'occupation du sol à l'aide de la classification supervisée, qui s'effectue via la création des ROI pour chaque thème. La classification par maximum de vraisemblance est le procédé choisi. Celui-ci utilise un algorithme basé sur le regroupement des pixels qui s'apparentent le plus à ceux choisis lors de la création des régions d'intérêt afin de créer les classes. La matrice de confusion obtenue à l'issue de la classification présente une corrélation entre les différentes classes choisies, le nombre de pixelsdéfini pour chaque ROI en ligne et la répartition réelle des pixels par thème en colonne.

Le résultat de la classification dirigée de 2015, sa matrice de confusion ainsi que les différentes superficies occupées par chaque classe d'occupation du sol sont présentés dans le chapitre consacré à l'analyse spatiotemporelle.

2.4. Les paysages végétaux de la périphérie de Meiganga : une flore au potentiel notable

La réalisation de la carte d'occupation du sol via les outils de télédétection nous a permis de distinguer les grands ensembles qui structurent la physionomie du paysage d'une manière générale. Il revient à présent de changer, d'agrandir l'échelle de travail pour affiner la recherche en entrant dans les détails du couvert végétal via l'analyse des données collectées.

* 30 L'appel d'une couche d'information consiste à l'importer après l'avoir sauvegardée sous un format pris en charge par le logiciel utilisé pour être corrélée à d'autres données et dans notre cas précis, à la composition colorée retenue pour différencier les classes qui prêtent à confusion.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Ceux qui rĂªvent de jour ont conscience de bien des choses qui échappent à ceux qui rĂªvent de nuit"   Edgar Allan Poe