Effectuer une évaluation visuelle
Pour commencer, vous allez ouvrir le projet, en explorer les couches, puis évaluer de manière informelle la précision de classification en inspectant visuellement le projet. Vous allez d’abord télécharger et ouvrir le projet contenant la couche de classification de perméabilité et l’imagerie de référence.
Remarque :
Bien que vous puissiez utiliser les résultats que vous avez obtenus au cours du didacticiel Calculer les surfaces imperméables à partir de l’imagerie spectrale, si vous utilisez des données récemment téléchargées, vous serez certain que le contenu affiché à l’écran correspond aux étapes décrites dans ce didacticiel.
- Téléchargez le fichier .zip Imperviousness_Classified contenant votre projet et ses données.
- Recherchez le fichier téléchargé sur votre ordinateur.
Remarque :
Selon votre navigateur web, vous avez peut-être été invité à choisir l’emplacement du fichier avant de lancer le téléchargement. Par défaut, la plupart des navigateurs téléchargent les fichiers dans le dossier Downloads (Téléchargements) de votre ordinateur.
- Cliquez avec le bouton droit sur le fichier Imperviousness_Classified.zip et extrayez-le à un emplacement de destination facile d’accès, tel que votre dossier Documents.
- Démarrez ArcGIS Pro. Si vous y êtes invité, connectez-vous via votre compte d’organisation ArcGIS sous licence.
Remarque :
Si vous n’avez pas accès à ArcGIS Pro ou ne disposez pas d’un compte d’organisation ArcGIS, consultez les options disponibles pour accéder aux logiciels.
- Dans la page Home (Accueil), cliquez sur Open another project (Ouvrir un autre projet).
- Dans la fenêtre Open Project (Ouvrir un projet), accédez au dossier extrait Imperviousness_Classified (Classification_imperméabilité). Cliquez sur Imperviousness_Classified.aprx pour le sélectionner et cliquez sur OK.
Le projet s’ouvre.
Vous allez maintenant examiner les couches contenues dans le projet. La couche supérieure, Louisville_Impervious (Imperméabilité_Louisville), est activée. Elle résulte du processus de classification précédent et affiche les surface imperméables en gris et les surfaces perméables en vert. Le fond de carte, World Topographic Map (Carte topographique du monde), est également activé et apporte le contexte des couches du projet.
- Dans la fenêtre Contents (Contenu), décochez la case de la couche Louisville_Impervious (Imperméabilité_Louisville) pour désactiver la couche. Cochez la case Louisville_Neighborhood.tif pour activer la couche.
L’image Louisville_Neighborhood.tif est une photographie aérienne à 4 canaux et d’une résolution de 6 pouces de la zone, affichée dans la combinaison de canaux Couleurs naturelles (rouge, vert et bleu). Cela signifie qu’elle est similaire à ce qu’un œil humain verrait. Elle vous servira de référence lors de l’évaluation de la précision.
- Dans la fenêtre Contents (Contenu), désactivez Louisville_Neighborhood.tif et activez Louisville_Neighborhood_Color_Infrared (Proche_infrarouge_voisinage_Louisville).
Il s’agit de la même imagerie, affichée dans la combinaison de canaux Color Infrared (Proche infrarouge) (rouge, vert et bleu). Elle affiche la végétation en surbrillance en rouge. Elle vous servira également de référence lors de l’évaluation de la précision. Vous allez ensuite affecter la précision de classification de manière informelle en comparant visuellement les couches.
- Dans la fenêtre Contents (Contenu), désactivez Louisville_Neighborhood_Color_Infrared (Proche_infrarouge_voisinage_Louisville) et activez Louisville_Impervious (Imperméabilité_Louisville) et Louisville_Neighborhood.tif. Cliquez sur la couche Louisville_Impervious (Imperméabilité_Louisville) pour la sélectionner.
- Sur le ruban, cliquez sur l’onglet Raster Layer (Couche raster). Dans le groupe Compare (Comparer), cliquez sur Swipe (Balayer).
- Sur la carte, faites glisser le pointeur du haut vers le bas afin d’afficher l’imagerie Louisville_Neighborhood.tif sous la couche de classification Effects (Effets). Examinez et comparez les deux couches.
Quel degré de classification la classification atteint-elle ?
- Si vous le souhaitez, vous pouvez également balayer entre Louisville_Impervious (Imperméabilité_Louisville) et Louisville_Neighborhood_Color_Infrared (Proche_infrarouge_voisinage_Louisville) pour comparer la classification à l’imagerie proche infrarouge.
- Sur le ruban, cliquez sur l’onglet Map (Carte). Dans le groupe Navigate (Naviguer), cliquez sur Explore (Explorer) pour désactiver l’outil Swipe (Balayer).
- Dans la barre d’outils Quick Access (Accès rapide), cliquez sur le bouton Save (Enregistrer) pour enregistrer votre projet.
Remarque :
Un message peut vous avertir que si vous enregistrez ce fichier de projet avec la version actuelle de ArcGIS Pro, vous ne pourrez pas le rouvrir dans une version antérieure. Si ce message apparaît, cliquez sur Yes (Oui) pour continuer.
Créer des points d’évaluation de la précision
Comparer de manière informelle la couche de classification à l’imagerie d’origine est plutôt utile, mais n’apporte pas de mesure formelle de la précision de la classification. Les factures liées aux eaux pluviales étant déterminées à partir de votre analyse, il vous faut un processus d’évaluation plus rigoureux. Pour effectuer une évaluation formelle, vous allez créer des points d’évaluation de la précision générés aléatoirement à travers l’image. Vous allez ensuite comparer la valeur de classification (perméable ou imperméable) à l’emplacement de chaque point au type d’occupation du sol réel affiché dans l’imagerie d’origine.
Remarque :
On appelle détermination de la réalité de terrain le processus consistant à faire vérifier visuellement par une personne l’occupation du sol réelle à un emplacement donné. Dans l’évaluation la plus rigoureuse de la précision, une personne se rendrait physiquement sur le site pour vérifier l’occupation du sol. Mais souvent, voyager jusqu’au site est irréalisable ou trop coûteux. De ce fait, observer l’imagerie est généralement considéré comme le meilleur second choix de processus de détermination de la réalité de terrain.
- Sur le ruban, cliquez sur l’onglet Analysis (Analyse). Dans le groupe Geoprocessing (Géotraitement), cliquez sur Tools (Outils).
La fenêtre Geoprocessing (Géotraitement) s’affiche.
- Dans la fenêtre Geoprocessing (Géotraitement), recherchez Create accuracy assessment points (Créer des points d’évaluation de la précision).
- Dans la liste des résultats, cliquez sur Create Accuracy Assessment Points (Créer des points d’évaluation de la précision) (pour Image Analyst Tools (Outils Image Analyst) ou Spatial Analyst Tools (Outils Spatial Analyst)) pour ouvrir l’outil.
Cet outil génère des points aléatoires sur l'ensemble d'une image et fournit à ces points un attribut basé sur la valeur classée de l'image à leur emplacement. Les points disposeront également d’un champ pour la réalité de terrain de l’image d’origine, que vous renseignerez manuellement pour chaque point.
- Dans l’outil Create Accuracy Assessment Points (Créer des points d’évaluation de la précision), saisissez les paramètres suivants :
- Pour Input Raster or Feature Class Data (Données raster ou de classes d’entités en entrée), choisissez la couche Louisville_Impervious (Imperméabilité_Louisville).
- Pour Output Accuracy Assessment Points (Points d’évaluation de la précision en sortie), cliquez sur le bouton Browse (Parcourir). Dans la fenêtre qui apparaît, naviguez jusqu’à Project (Projet), Databases (Bases de données), puis double-cliquez sur Neighborhood_Data.gdb. Pour Name (Nom), saisissez My_Accuracy_Points (Mes_points_de_précision) et cliquez sur Save (Enregistrer).
- Pour Target Field (Champ cible), vérifiez que Classified (Classé) est sélectionné.
- Pour Number of Random Points (Nombre de points aléatoires), saisissez 100.
- Pour Sampling Strategy (Stratégie d’échantillonnage), choisissez Equalized stratified random (Aléatoire stratifié égalisé).
Le paramètre Champ cible détermine si la table attributaire des points décrit la valeur de la classification ou la valeur de la réalité de terrain. Votre image en entrée étant le raster classé, les points devraient contenir les valeurs classées.
Le paramètre Nombre de points aléatoires détermine le nombre de points qui sont créés. Pour une petite image avec seulement deux classes, un nombre relativement petit de points est acceptable.
Le paramètre Stratégie d’échantillonnage détermine le nombre de points distribués de façon aléatoire sur l’ensemble de l’image. Les points peuvent être distribués de façon proportionnelle à la superficie de chaque classe (Stratified random (Aléatoire stratifié)), de manière égale (Equalized stratified random (Aléatoire stratifié égalisé)) pour toutes les classes ou de façon complètement aléatoire (Random (Aléatoire)). Comme votre intérêt principal réside dans la précision des surfaces imperméables (la plus petite des deux classes), vous allez distribuer de manière égale les points entre chaque classe pour mieux représenter les surfaces imperméables dans l’évaluation.
Remarque :
Les paramètres choisis signifient que 50 points seront sélectionnés sur les surfaces imperméables et 50 sur les surfaces perméables.
- Cliquez sur Run (Exécuter).
Une nouvelle couche comportant 100 points de précision est ajoutée à la carte.
Vous allez à présent examiner les attributs de ces points.
- Dans la fenêtre Contenu, cliquez avec le bouton droit sur la couche My_Accuracy_Points et sélectionnez Table attributaire.
La table attributaire s’affiche.
La table attributaire contient des informations pour chaque emplacement de point. Outre les champs ObjectID et Shape (Forme) habituels, les points ont deux attributs : Classified (Classé) et GrndTruth (Réalité de terrain). Le champ Classé peut avoir la valeur 20 ou 40. Ces nombres représentent les classes déterminées par le processus de classification, tel qu’ils apparaissent dans la couche Louisville_Impervious (Imperméabilité_Louisville) : 20 signifie imperméable et 40 perméable. Toutefois, pour le champ GrndTruth (Réalité de terrain), chaque valeur est égale à -1 par défaut, ce qui signifie que la valeur est encore inconnue, et la réalité de terrain doit être déterminée pour le point. Vous allez inspecter l’imagerie de chaque point et redéfinir les attributs GrndTruth (Réalité de terrain) sur 20 ou 40, selon le type d’occupation du sol que vous trouvez.
- Dans le volet Contenu, désélectionnez toutes les couches à l’exception de My_Accuracy_Points et Louisville_Neighborhood.tif.
Remarque :
Vous pouvez également changer la couleur des points pour mieux les voir. Dans la fenêtre Contents (Contenu), si nécessaire, cliquez avec le bouton droit sur le symbole sous My_Accuracy_Points (Mes_points_de_précision) et choisissez une couleur qui vous convient.
Vous allez ensuite masquer la colonne Classified (Classé) pour vous assurer qu’au cours du processus de détermination de la réalité de terrain votre jugement n’est pas influencé par les valeurs de classification existantes.
- Dans la table attributaire, cliquez avec le bouton droit sur l’en-tête de la colonne Classified (Classé) et sélectionnez Hide Field (Masquer le champ).
- Dans la table attributaire, cliquez sur l’en-tête de ligne 1 pour sélectionner l’entité. Cliquez avec le bouton droit sur l'en-tête de ligne et sélectionnez Zoom sur.
La carte effectue un zoom sur le point sélectionné. (Votre point sera à un emplacement différent du point dans l’exemple d’image.)
Remarque :
Si nécessaire, vous pouvez faire glisser le haut de la fenêtre de table attributaire pour redimensionner la fenêtre afin que la zone de carte et la table attributaire soient visibles.
Dans cet exemple, le point apparaît sur l'herbe ou la terre nue. Quoi qu'il en soit, la surface est perméable. Vous pouvez modifier l’attribut GrndTruth (Réalité de terrain) pour ce point en spécifiant 40 pour perméable. Si votre premier point apparaît sur une surface imperméable telle qu’une route ou un toit, vous devez modifier l’attribut GrndTruth (Réalité de terrain) en spécifiant 20 pour imperméable.
Remarque :
Selon l'étendue de votre carte et l'emplacement du point, vous n'avez peut-être pas effectué un zoom avant suffisant sur le point pour déterminer le type de couverture au sol où il figure. N'hésitez pas à effectuer un zoom plus rapproché pour mieux déterminer la réalité de terrain de ce point.
N’oubliez pas que dans cette imagerie, les surfaces perméables incluent la végétation, les arbres, la terre nue et l’eau. Les surfaces imperméables incluent les routes, les allées et les toitures.
- Dans la table attributaire, dans la colonne Réalité de terrain, double-cliquez sur la valeur de l'entité sélectionnée pour la mettre à jour. Remplacez la valeur par défaut par 40 ou 20, selon vos résultats, et appuyez sur Entrée.
- Sélectionnez le point suivant dans la table attributaire. Cliquez avec le bouton droit sur le point et sélectionnez Déplacer sur.
La carte se déplace vers le point correspondant, conservant le même niveau de zoom.
- Selon l'emplacement de ce point, remplacez la valeur de Réalité de terrain par 20 ou 40.
Remarque :
Il peut s'avérer difficile de déterminer la réalité de terrain pour certains points en raison d'entités ambiguës sur la carte. Si nécessaire, vous pouvez activer la couche Louisville_Neighborhood_Color_Infrared (Proche_infrarouge_voisinage_Louisville) temporairement pour voir si elle offre une vue plus claire.
- Répétez ce processus pour les dix premiers points.
- Sur le ruban, cliquez sur l’onglet Edit (Modifier). Dans le groupe Manage Edits (Gérer les mises à jour), cliquez sur Save (Enregistrer) pour enregistrer toutes les mises à jour que vous avez effectuées dans la table attributaire. Lorsque vous y êtes invité, cliquez sur Yes (Oui).
Vous allez maintenant interrompre le processus de détermination de la réalité de terrain pour afficher la colonne Classified (Classé) et comparer les valeurs figurant dans les colonnes Classified (Classé) et GrndTruth (Détermination de la réalité de terrain). - Cliquez sur le bouton Options, puis sélectionnez Show All Fields (Afficher tous les champs).
Une fois la colonne Classified (Classé) de nouveau visible, examinez les valeurs des deux colonnes et comparez-les. Sont-elles toutes correspondantes jusqu’à présent ?
Si vous le souhaitez, vous pouvez continuer à saisir des valeurs de réalité de terrain pour l’ensemble des 100 points de précision figurant dans la couche My_Accuracy_Points (Mes_points_de_précision). Toutefois, pour gagner du temps dans ce didacticiel, vous pouvez à la place utiliser une classe d’entités ponctuelles d’évaluation de la précision dans laquelle les valeurs de réalité de terrain ont été spécifiées pour vous. Si vous choisissez d’utiliser la couche de points de précision prête à l’emploi, vous allez maintenant l’ajouter à la carte.
Remarque :
Si vous choisissez de saisir vous-même des valeurs de réalité de terrain pour les 100 points de précision, masquez à nouveau le champ attributaire Classified (Classé) et effectuez le processus. Dans l’onglet Edit (Mise à jour), cliquez sur Save (Enregistrer) pour enregistrer toutes les modifications. Fermez la table attributaire et passez à l’étape 19.
- Sur le ruban, cliquez sur l'onglet Vue. Dans le groupe Windows (Fenêtres), cliquez sur Catalog Pane (Fenêtre Catalogue).
- Dans la fenêtre Catalog (Catalogue), sous Project (Projet), développez Databases (Bases de données) et Neighborhood_Data.gdb. Cliquez avec le bouton droit sur Accuracy_Points (Points_de_précision) et choisissez Add To Current Map (Ajouter à la carte actuelle).
La nouvelle couche Accuracy_Points (Points_de_précision) prête à l’emploi apparaît dans la fenêtre Contents (Contenu) et sur la carte. N’ayant plus besoin de la première couche, My_Accuracy_Points (Mes_points_de_précision), vous allez la supprimer.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur My_Accuracy_Points (Mes_points_de_précision) et sélectionnez Remove (Supprimer). Si la fenêtre contextuelle Removing a layer (Suppression d’une couche) s’ouvre, cliquez sur Discard (Ignorer).
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche Louisville_Neighborhood.tif et choisissez Zoom To Layer (Zoom sur la couche).
La carte revient à la vue générale de l'imagerie.
- Enregistrez le projet.
Conseil :
Vous pouvez également appuyer sur Ctrl+S pour enregistrer le projet.
Calculer une matrice de confusion
Après avoir créé des points d’évaluation de la précision et avoir renseigné leurs attributs avec des données de réalité de terrain, vous allez utiliser ces points pour créer une matrice de confusion. Une matrice de confusion est une table qui compare les attributs Classified (Classé) et GrndTruth (Réalité de terrain) des points d’évaluation de la précision et détermine le pourcentage de précision entre eux. Si les superficies qui ont été classées comme imperméables représentent véritablement des superficies imperméables dans l’imagerie d’origine, la matrice de confusion aura un pourcentage élevé et indiquera que la classification présente une haute précision.
- Si nécessaire, sur le ruban, sur l’onglet Analysis (Analyse). Dans le groupe Geoprocessing (Géotraitement), cliquez sur Tools (Outils) pour rouvrir la fenêtre Geoprocessing (Géotraitement).
- Si nécessaire, dans la fenêtre Geoprocessing (Géotraitement), cliquez sur le bouton Back (Retour).
- Dans la fenêtre Geoprocessing (Géotraitement), recherchez et ouvrez l’outil Compute Confusion Matrix (Calculer une matrice de confusion) (pour Image Analyst Tools (Outils Image Analyst) ou Spatial Analyst Tools (Outils Spatial Analyst)).
L'outil possède uniquement deux paramètres : une entrée et une sortie.
- Dans l’outil Compute Confusion Matrix (Calculer une matrice de confusion), entrez ce qui suit :
- Pour Input Accuracy Assessment Points (Points d’évaluation de la précision en entrée), choisissez Accuracy_Points (Points_de_précision).
- Pour Matrice de confusion en sortie, cliquez sur Parcourir. Pour Name (Nom), saisissez Confusion_Matrix (Matrice de confusion) et cliquez sur Save (Enregistrer).
Remarque :
Si vous choisissez de saisir les 100 points vous-même, pour Input Accuracy Assessment Points (Points d’évaluation de la précision en entrée), choisissez My_Accuracy_Points (Mes_points_de_précision).
- Cliquez sur Run (Exécuter).
L'outil s'exécute et la matrice de confusion est ajoutée dans la fenêtre Contenu. Comme la matrice de confusion est une table sans données spatiales, elle n'apparaît pas sur la carte.
- Dans la fenêtre Contenu, sous Tables autonomes, cliquez avec le bouton droit sur Confusion_Matrix et sélectionnez Ouvrir.
La table Confusion_Matrix (Matrice_de_confusion) s’ouvre.
Remarque :
Si vous avez saisi vous-même les valeurs de réalité de terrain dans la couche My_Accuracy_Points (Mes_points_de_précision), il se peut que la matrice de confusion affiche des résultats légèrement différents.
Les valeurs figurant dans la colonne ClassValue servent d’en-têtes de lignes dans la table. C_20 et C_40 correspondent aux deux classes dans le raster classé : 20 pour les surfaces imperméables et 40 pour les surfaces perméables. Les colonnes C_20 et C_40 représentent les points avec une réalité de terrain égale à 20 ou à 40, tandis que les lignes C_20 et C_40 représentent les points qui ont été classés comme 20 ou 40. Par exemple, dans l'exemple ci-dessus, 47 points qui avaient une réalité de terrain égale à 20 ont également été classés comme 20, tandis qu'un seul point avec une réalité de terrain égale à 20 a été classé par erreur comme 40. Sur un total de 100 points, quatre ont été classés par erreur (trois ont été classés par erreur comme imperméables et un comme perméable).
U_Accuracy (Précision_U) correspond à la précision d’utilisateur. Elle représente la fraction des pixels classés correctement par la totalité des classifications. P_Accuracy correspond à la précision de producteur et représente la fraction des pixels classés correctement par la totalité des réalités de terrain. Par exemple, 50 pixels ont été classés comme imperméables, dont 47 ont été classés correctement, ce qui conduit à une précision d'utilisateur de 0,94 (ou 94 %). Au même moment, 48 pixels avaient une réalité de terrain imperméable, dont 47 étaient classés correctement, générant ainsi une précision de producteur d'environ 0,98 (ou 98 %).
Le dernier attribut est Kappa. Sur la base du total des précisions d’utilisateur et de producteur, il fournit une évaluation globale de la précision de la classification. Dans l’exemple ci-dessus, l’indice Kappa est de 0,92 (ou 92 %). Bien qu’imparfaite, une précision globale de 92 % est assez fiable.
Remarque :
Si la valeur Kappa était inférieure à 85 à 90 %, votre classification ne serait probablement pas assez précise et il vous faudrait l’examiner pour l’améliorer. Deux parties du workflow peuvent contribuer à une erreur de classification. La première est la segmentation. Si vos paramètres de segmentation généralisent l'image d'origine trop fortement ou pas assez, les entités peuvent être mal classées. Vous pourriez essayer d’affiner les paramètres de segmentation pour améliorer la segmentation. La majorité des erreurs est peut-être due à vos échantillons d’apprentissage. Le fait d'avoir trop peu d'échantillons d'apprentissage ou des échantillons d'apprentissage qui couvrent une variété trop large de signatures spectrales peut également conduire à une erreur de classification. L'ajout d'échantillons supplémentaires ou de classes supplémentaires peut augmenter la précision.
- Enregistrez le projet.
Vous pouvez maintenant indiquer aux administrateurs de la ville que votre classification des surfaces imperméables est précise à 92 %. Ce chiffre peut être considéré comme suffisamment fiable pour commencer à utiliser les données afin de calculer les frais de gestion des eaux pluviales.
Vous trouverez d’autres didacticiels dans la bibliothèque des didacticiels.