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

 > 

Analyse de la structure spatiale de l’occupation du sol de la ville de Bukavu.


par Biringanine Mugisho
Université Catholique de Bukavu - Graduat en Sciences de l'environnement 2019
  

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

3.2.2.2 Matrice de confusion

La matrice de confusion de la classification a été calculée par la confrontation des résultats de la classification non supervisée et des données de contrôle de terrain. La matrice de confusion obtenue est représentée par le tableau 3.1 ci-dessous. Il indique un coefficient Kappa de 78,89%, traduisant le pourcentage de réussite de la classification supervisée, avec une précision globale de 84,16%.

Tableau 3.1. Présentation des résultats de calcul de la matrice de confusion réalisée dans le logiciel Envi4.7.

Classes

Vérité de Terrain

Savane

Forêt

Savane herbeuse

Sol nu et bâtis

Total

Erreur de commission

Savane

20

1

2

0

23

3

Forêt

3

28

0

0

31

3

Savane herbeuse

4

1

25

2

32

7

Sol nu et bâtis

3

0

3

28

34

6

Total

30

30

30

30

120

 

Erreur d'omission

10

2

5

2

 
 

Précision globale

84,16%

Kappa (%)

78,89%

On constate également les confusions spectrales entre les différentes classes. Les faibles erreurs d'omission suggèrent de manière successive que les zones d'entrainement de sol nu et bâtis, de Forêt, de savane herbeuse et de Savane sont les mieux affectées. Cela se traduit par un pourcentage élevé de précision pour le réalisateur, soit 93,3% pour le sol nu et bâtis et la classe forêt, soit 83,3% pour la Savane herbeuse et 66,6% pour la Savane. Les erreurs de commission indiquent les nombres de pixels d'une classe affectés à une autre classe. Elles suggèrent que les

35

classes ont été plus ou moins mieux classées. Successivement, il s'agit des classes de la Forêt (90,93%), Savane (86,95%), Sol nu et bâtis (82,35%), et Savane herbeuse (78,12%). En abrégé, les erreurs les plus remarquables ont été observées dans les classes Savane (33,33% d'erreurs d'omission), Savane herbeuse (21,18% d'erreurs de commission et 16,6% d'erreur d'omission) et Sol nu et bâtis (17,64% d'erreurs d'commissions).

3.2.2.3 Cartographie de l'occupation du sol

A l'issu de ces résultats (figure 3.4), nous pouvons constater une prédominance de la classe Sol nu et bâtis dans la zone d'étude. Cette classe est plus localisée au centre de la zone d'étude où les activités anthropiques sont plus prononcées. Les classes de végétation (Forêt, savane herbeuse et Savane) sont plus localisées dans la partie sud-ouest de la zone d'étude, et où on trouve moins d'activités anthropiques. Ceci s'explique par une grande concentration de la population dans le centre-ville et qui dégrade au jour le jour le peu du couvert végétal qu'on retrouve dans cette zone.

36

 
 
 
 
 
 

Légende :

 
 
 

Système de Projection : WGS-84 / UTM Zone 35S

 
 

Figure 3.4. Carte de l'occupation du sol dans la ville de Bukavu donnant quatre classes.

37

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








"Entre deux mots il faut choisir le moindre"   Paul Valery