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

 > 

Caractérisation de la dynamique de la végétation des parcours sahéliens dans la région du Gourma (mali). Relations avec les précipitations.


par Terei Massa MABILO
INSTITUT POLYTECHNIQUE RURAL DE FORMATION ET DE RECHERCHE APPLIQUEE (IPR/IFRA) - Ingénieur Agronome 2006
  

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

4-7-7- Classification.

C'est la phase la plus complexe parce que les couleurs associées à chaque classe dépendent des conditions d'illumination et de la nature de la végétation.

- Le bouton < TRUE COLOR> permet de visualiser la photographie en couleur. - Le bouton < CLASSIF> sert à visualiser l'état actuel de la classification.

33

Il est possible de lancer une classification automatique avec deux classes : feuille et ciel/sol. Il faut au préalable les avoir sélectionnées en cliquant sur O. Une fois la classe sélectionnée nous cliquons avec le bouton gauche sur tous les pixels de l'image que nous voulons affecter à cette classe puis on valide avec le bouton droit. La possibilité d'alterner l'affichage de la classification et de l'image en couleur permet de vérifier visuellement la pertinence de la classification.

Dans certains cas, nous forçons la classification de certaines zones de la photo. Par exemple, sur des photos dont le sol est classé en végétation. Il est donc possible, en cliquant sur le bouton placé devant sol de délimiter la zone mal classée dont tous les pixels seront affectés à la classe sol. Une fois toutes les opérations finies, nous cliquons sur < DONE> et la fenêtre des résultats s'affiche.

4-7-8 résultats du traitement.

Le logiciel estime automatiquement de deux façons différentes le LAI. Soit par l'utilisation du modèle de Poisson qui considère que les feuilles sont distribuées uniformément, ce qui permet d'avoir une estimation du LAI effectif, soit par l'utilisation du modèle de Poisson modifié qui permet de prendre en compte la disposition non uniforme des éléments du couvert et d'estimer le LAI vrai (Weiss et al, 2004).

Nous relevons le LAI vrai et le LAI effectif et cliquons sur YES pour passer au lot suivant.

Les résultats sont stockés dans un sous répertoire nommé « ce_nom du répertoire de travail ». Il est créé dans le répertoire où se situent les photographies.

La même méthode est utilisée pour déterminer le Fcover cependant pour le Fcover nous nous arrêtons à l'étape de la classification et relevons le pourcentage de pixels classés en végétation. Ainsi pour le PAI la différence réside également au niveau de la classification. Les deux classes choisies sont la classe correspondant à la végétation et au ciel et non à la végétation et au sol comme les cas précédents.

34

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








"En amour, en art, en politique, il faut nous arranger pour que notre légèreté pèse lourd dans la balance."   Sacha Guitry