3.2.1) Le traitement et l'analyse des données
Le traitement de données est l'ensemble des
étapes permettant d'obtenir des informations sur des données. Ce
travail, est fait sur l'environnement ENVI et comporte les phases suivantes :
la composition colorée, la classification le changement de
détection et la vectorisation. Il faut noter que trois images de
différentes années sont traitées (1995, 2003, et 2018).
3.2.2) La composition colorée
La composition colorée est un processus qui permet de
produire des images en couleur en tenant compte de la signature spectrale des
objets afin de discerner les éléments de la terre. Une
opération de composition colorée a été
effectuée pour les différentes images pour permettre une
identification des différents éléments terrestres.
L'opération consiste à assigner à chaque canal du RGB une
bande et aussi en fonction du capteur utilisé.
Page | 18
Page | 19
3.2.3) La classification
L'opération de classification supervisée a
consisté à identifier, à partir des éléments
d'interprétation visuelle (la taille, la forme, le ton ou nuance, la
couleur, la texture, le motif, le voisinage, etc.), des groupes
homogènes de pixels représentant différentes
entités d'occupation du sol (Ahohoundo, 2017 cité pat Boton,
2019). Des sites d'entrainement ont été créés
permettant ainsi de définir la base de la classification. L'algorithme
maximum de vraisemblance (Maximum likelihood), qui est une méthode
probabiliste est adoptée à cet effet. Lors de l'opération,
la signature spectrale de chaque pixel, dans chacun des trois canaux (S1S2S ou
4-3-2 ou 5-4-3) est comparée à celle des zones d'entrainement.
Les pixels sont alors affectés dans la classe dont ils sont le plus
proches. Sur la base de comparaison des valeurs de chaque pixel aux signatures
spectrales des différentes classes, la probabilité d'appartenance
du pixel aux classes est déterminée. La classe présentant
la probabilité maximum est donc attribuée au pixel
considéré. Ainsi, la même opération est
répétée pour les trois différentes images.
3.2.4) Evaluation des résultats de la
classification
Une évaluation des résultats de la
classification a été faite à partir d'une matrice de
confusion et le calcul des erreurs et indices de précision (par Tohozin,
2016 ; Toko Mouhamadou, 2014 cités par Boton .E, 2019).
Ce sont :
- Erreur d'omission EO : EO = I/ TPC ; où I est le
nombre total de pixel mal classé de la colonne et TPC, le nombre total
de pixels de la colonne.
- Erreur de commission EC : EC = I?/ TPL ; où I? est le
nombre total de pixel mal classé de la ligne et TPL, le nombre total de
pixel de la ligne.
- Indice de pureté des classes IPC : IPC = X/NPC ;
où X est le nombre de pixel bien classé de chaque classe et NPC,
le nombre d'échantillon prélevé pour chaque classe.
- Précision globale PG : PG = f3/NPTC ; où f3
est le nombre total de pixel bien classé et NPTC, le nombre total
d'échantillon de pixel prélevé.
| 
