Développement de méthodes de classification de l’occupation du sol robustes ne nécessitant pas de données d’apprentissage spécifiques de l’année

    De Caunes, Robin (2022)
Rapport de stage
Accès libre
    • Développement de méthodes de classification de l’occupation du sol robustes ne nécessitant pas de données d’apprentissage spécifiques de l’année
    • Development of robust land cover classification methods that do not require year-specific training data
    • 2 septembre 2022
    • Occupation du sol
    • Télédétection
    • Sentinel-2
    • Arbres de décision
    • Indice spectral
    • Land use
    • remote sensing
    • sentinel-2
    • decision trees
    • spectral index
    • L’occupation du sol est une variable spatialisée importante, car elle procure une connaissance de base pour de nombreux domaines d’application dont des modèles bio-physiques.
      La plaine du Haouz est une région semi-aride étudiée par le CESBIO et le LMI TREMA dans le cadre du projet Altos. La demande de ressources en eau y augmente d’année en année sous les contraintes de sécheresse et d’agriculture intensive, malgré un gaspillage important dû à une gestion de la ressource inefficace.
      Pour répondre à cela, les laboratoires mettent en place des modèles bio-physiques alimentés par des données d’occupation du sol dans le but d’étudier le fonctionnement hydrologique de la zone afin de proposer des solutions.
      L’apparition de séries temporelles d’images à haute répétitivité (Sentinel-2) permet de suivre l’occupation du sol plus fréquemment qu’à l’aide de relevés terrain.
      Dans ce contexte, le but du travail est de développer une méthode de classification de l’occupation du sol robuste et qui ne nécessite pas forcément de données d’apprentissage. Cela a été rendu possible à partir de séries temporelles d’indices de végétation, issues d’images Sentinel-2. Le travail a déjà été réalisé sur une petite zone d’étude, l’objectif du stage a été de porter ce travail à l’échelle de la plaine du Haouz.
    • Land cover is an important spatial variable, as it provides basic knowledge for many fields of application including bio-physical models.
      The Haouz plain is a semi-arid region studied by the CESBIO and the LMI TREMA as part of the Altos project. There, the demand for water resources is increasing year after year under the constraints of drought and intensive agriculture, despite significant waste due to inefficient resource management.
      To respond to this, laboratories are setting up bio-physical models fed by land use data in order to study the hydrological functioning of the area and propose solutions. The appearance of time series of high repetition images (Sentinel-2) makes it possible to monitor land use more frequently than with field surveys.
      In this context, the aim of the work is to develop a robust land cover classification method that does not necessarily require training data. This was made possible by using time series of vegetation indices from Sentinel-2 images. The work has already been carried out on a small study area, the aim of the internship was to extend this work to the scale of the Haouz plain.

Citation bibliographique

De Caunes, Robin (2022), Développement de méthodes de classification de l’occupation du sol robustes ne nécessitant pas de données d’apprentissage spécifiques de l’année [Rapport de stage]