éditions des archives contemporaines

Une classification dirigée fondée sur les spectres de texture : Application à l'étude des paysages de la montagne de Lure (Alpes, France)

AUDA Y., TRICHON V., MAJEROWICS J., SIMON L. et TAMRU B.
DOI—
Pages373–380
Paru le9 mai 2005
Citer Lire en PDF · 8 p.

Résumé

La montagne de Lure (Alpes, France) présente une diversité de paysages résultant de facteurs environnementaux et anthropiques. Pour analyser cette mosaïque de parcelles, une classification dirigée fondée sur les spectres de texture a été intégrée sous le Système d'Information Géographique GRASS et appliquée à une photographie aérienne (IGN, 1/25 000) du site.
Les tests statistiques (coefficient de Tschuprow, …) montrent l'efficacité de cette méthode dont le calcul ne prend en compte que la texture tandis que les données spectrales sont ignorées.
L'interprétation thématique est cohérente avec la connaissance de terrain. Les confusions observées s'expliquent par des ressemblances physionomiques entre différentes formations végétales (densité, structure en mosaïque, …). Ces confusions plus prononcées que dans une classification spectrale, loin de remettre en cause l'analyse de texture, permettent au contraire de souligner les similarités structurales de certaines formations. Cette approche renoue ainsi avec les méthodes de photo-interprétation.
Une étape ultérieure consistera en la combinaison de classifications texturale et spectrale pour s’approcher des performances du photo-interprète.

Mots clés
Paysagespectre de textureclassification dirigéephoto-interprétationtrès haute résolution spatialeGRASS

Abstract

Lure Mountain (Alps, France) shows a great diversity of landscapes due to environmental and human factors. To describe this mosaic of parcels, an IGN (1/25 000) aerial photography was analyzed using a textural supervised classification. The algorithm was implemented in a geographical information system (GIS), GRASS.
Statistical tests (Tschuprow coefficient,…) show the efficiency of the method which uses textural data only. Spectral data are ignored.
Thematic interpretation agrees with surveys. Observed confusions are explained by structural similarities between plant formations (density, mosaic pattern,…). These confusions, which are more important than for spectral classification, bring to the fore structural characteristics of plant formations. This approach renews with the photo-interpretation method. A next step will be to combine textural classification with spectral classification to approach the efficiency of the photo-interpreter.

Keywords
Landscapetexture spectrumsupervised classificationphoto-interpretationvery high spatial resolution

Lire l’article

Première page

PDF de 8 pages, tel qu’imprimé dans la revue, pages 373 à 380. En libre accès.

Pas encore de consultation enregistrée.