Visitez une oasis avec des profils spectraux
Dans la série de didacticiels précédente Explorer l’imagerie satellite sur l’Afrique vous avez étudié l’oasis d’El Fayoum, en Égypte, à l’aide de l’imagerie spectrale. Vous avez identifié différents types d’occupations du sol, tels que l’eau, la végétation et les constructions (c’est-à-dire les villages et les routes). Vous allez maintenant approfondir cet exemple pour comprendre pourquoi il est possible d’identifier les types d’occupations du sol à partir de l’imagerie multispectrale. Vous allez également découvrir les profils spectraux et les signatures spectrales.
Remarque :
Si vous avez besoin de vous rafraîchir la mémoire sur l’imagerie spectrale et les bandes spectrales, consultez le premier didacticiel de la série : Prise en main de l’imagerie concernant l’Afrique.
Préparation et exploration de l’imagerie
En premier lieu, vous allez ouvrir l’application, configurer votre emplacement d’intérêt et choisir l’imagerie la plus pertinente.
- Ouvrez l’application Digital Earth Africa Explorer.
- L’application s’ouvre sur l’affichage de l’ensemble du continent africain.
- Dans la zone de recherche, saisissez El Fayoum, Egypt (El Fayoum, Égypte) et appuyez sur Entrée.
La carte s’actualise sur la nouvelle localisation.
- Fermez la fenêtre Search result (Résultat de la recherche), car vous n’en avez plus besoin.
- Cliquez trois fois sur le bouton Zoom Out (Zoom arrière).
- Le cas échéant, faites glisser la carte pour ajuster sa position.
Elle devrait à peu près ressembler à l’exemple d’image suivant :
El Fayoum est une vaste oasis en forme de cœur dont l’origine remonte à l’Égypte ancienne. Il s’agit d’un havre de végétation et d’eau en plein milieu du Sahara. À l’est se dresse la vallée du Nil qui traverse la carte en diagonale. L’eau est acheminée du Nil vers l’oasis grâce à des canaux façonnés par l’homme.
- Dans la barre latérale, cliquez sur le bouton Explore Imagery (Explorer l’imagerie).
- Dans la fenêtre Explore Imagery (Explorer l’imagerie), définissez les options de paramètre suivantes :
- Pour Layer (Couche), vérifiez que Sentinel-2 Annual GeoMAD est sélectionné.
- Pour Rendering (Rendu), sélectionnez Agriculture with DRA (Agriculture avec DRA).
- Pour Date, vérifiez que January 1, 2020 (1er janvier 2020) est sélectionné.
La carte se met à jour pour afficher le nouveau rendu.
Remarque :
Sentinel-2 est un programme satellite d’observation terrestre lancé par l’agence spatiale européenne (ESA) en 2015 qui génère une imagerie multispectrale de haute qualité de l’ensemble de la Terre. En savoir plus sur le programme Sentinel-2.
La couche d’imagerie actuelle Sentinel-2 Annual GeoMAD fournit un résumé annuel de l’imagerie Sentinel-2, de laquelle les nuages et autres petits détails ont été supprimés. Pour en savoir plus sur la création de la couche GeoMAD, consultez la documentation Digital Earth Africa.
La combinaison de bandes Agriculture utilise les trois bandes spectrales suivantes : Onde courte infrarouge, Proche infrarouge et Bleu. Elle met clairement en évidence différentes entités, ce qui donne un rendu polyvalent. DRA signifie Dynamic Range Adjustment (ajustement dynamique de la plage). Il s’agit d’une technique visant à améliorer le contraste de l’image.
Pour mémoire, les images Sentinel-2 sont composées de 13 bandes spectrales. Certaines de ces bandes capturent la lumière visible pour l’œil humain (bleu, vert et rouge, par exemple) et d’autres la lumière invisible pour l’œil humain (bordure rouge, proche infrarouge, onde courte infrarouge, par exemple). Le diagramme suivant illustre le positionnement des 13 bandes spectrales sur le spectre électromagnétique :
Voici la liste des bandes, avec leur numéro et leur nom :
- Bande 1 - Aérosol côtier
- Bande 2 - Bleu
- Bande 3 - Vert
- Bande 4 - Rouge
- Bande 5 — Bordure rouge 1
- Bande 6 — Bordure rouge 2
- Bande 7 — Bordure rouge 3
- Bande 8 — Proche infrarouge (NIR 1)
- Bande 8A — Proche infrarouge (NIR 2) étroit
- Bande 9 - Vapeur d’eau
- Bande 10 — Onde courte infrarouge (Cirrus)
- Bande 11 — Onde courte infrarouge (SWIR 1)
- Bande 12 - Infrarouge à onde courte (SWIR 2)
Dans cette section, vous avez ouvert l’application, configuré votre emplacement d’intérêt et choisi une couche d’imagerie et un rendu spécifiques. Vous êtes désormais prêt à visiter l’oasis El Fayoum.
Visualiser les diagrammes de profils spectraux
À présent, vous allez visualiser le profil spectral de plusieurs pixels de l’imagerie. Un profil spectral est un diagramme qui trace la valeur de chaque bande spectrale pour un pixel d’imagerie particulier. En premier lieu, vous allez commencer par un pixel représentant la végétation.
La végétation de l’oasis El Fayoum est essentiellement composée de champs cultivés de plantes telles que le coton, le trèfle et les céréales, le tout parsemé de palmiers.
- Dans la fenêtre Explore Imagery (Explorer l’imagerie), pour What do you want to do? (Que souhaitez-vous faire ?), choisissez Explore spectral profiles (Explorer les profils spectraux).
- Sur la carte, cliquez sur un point dans l’oasis semblant recouvert de végétation (vert clair).
Sur la carte, un point rouge apparaît à l’endroit que vous avez sélectionné. Dans la fenêtre Explore Imagery (Explorer l’imagerie), le diagramme de profil spectral se met à jour.
- Observez le diagramme de profil spectral.
Dans le diagramme, l’axe x (horizontal) représente les différentes bandes spectrales. L’axe y (vertical) montre chaque valeur de bande correspondant au pixel que vous avez sélectionné. Chaque valeur de bande est représentée par un point rouge. Dans l’application, l’espace n’est pas suffisant pour écrire le nom de chaque bande, mais les graphiques étendus suivants contiennent plus de détails :
Cette imagerie Sentinel-2 Annual GeoMAD contient 10 des 13 bandes Sentinel-2 d’origine. Seules les 3 premières bandes (la bleue, la verte et la rouge) sont visibles à l’œil nu, ce qui n’est pas le cas des 7 autres bandes. Le fait de disposer d’autant de bandes donne de riches informations sur les entités au sol, bien plus riches que l’œil humain ne peut en capturer.
Remarque :
Les quatre dernières bandes sur la droite du diagramme représentent des informations supplémentaires avancées ne relevant pas du domaine d’application du présent didacticiel. N’en tenez pas compte.
- Portez votre attention sur la liste Typical Spectral Profiles (Profils spectraux classiques) sur le côté droit de la fenêtre Explore Imagery (Explorer l’imagerie).
Les types particuliers d’occupations du sol (Lush Grass (Pelouse luxuriante), Water (Eau) ou Desert (Désert), par exemple) auront toujours tendance à présenter le même profil spectral classique. On parle alors de signature spectrale. En comparant le profil spectral d’un pixel d’imagerie à des signatures spectrales classiques, il est possible d’identifier automatiquement le type d’occupation du sol de ce pixel.
Le profil spectral de votre pixel actuel a été comparé aux signatures spectrales de Desert (Désert), Dry Grass (Herbe sèche), Lush Grass (Pelouse luxuriante), Urban (Urbain), Rock (Roche), Forest (Forêt) et Water (Eau), ce qui a permis de constater qu’il se rapprochait le plus de Lush Grass (Pelouse luxuriante). Cela semble en effet correspondre le plus à une zone végétalisée qui peut contenir des champs de cultures et des terrains herbeux.
Conseil :
Si votre pixel n’a pas été identifié en tant que Lush Grass (Pelouse luxuriante), vous avez probablement choisi un pixel contenant des bâtiments ou de la terre nue, le profil spectral étant dès lors moins clair. Dans ce cas, cliquez sur un ou deux autres pixels de végétation jusqu’à obtenir l’identification Lush Grass (Pelouse luxuriante).
Sur le diagramme, la signature spectrale classique de Lush Grass (Pelouse luxuriante) est représentée par une ligne rose clair, et vous pouvez constater qu’elle est relativement similaire au profil spectral de votre pixel, les valeurs de Red Edge 2 (Bordure rouge 2), Red Edge 3 (Bordure rouge 3), NIR 1 et NIR 2 étant élevées.
Ensuite, vous allez observer le profil spectral d’un pixel représentant de l’eau. L’oasis est entourée de quelques lacs, dont le plus important, le lac Qarun, sur la partie nord de l’oasis. C’est là que vous allez choisir votre pixel représentant l’eau.
Cette photo montre une vue du lac Qarun. - Cliquez sur un point du lac Qarun (bleu marine).
Le diagramme de profil spectral se met à jour.
Les valeurs pour toutes les bandes étant très basses, le pixel est identifié en tant que Water (Eau).
Vous allez à présent regarder le profil spectral d’un pixel de désert.
Cette photo montre une vue du désert dans la région d’El Fayoum. Vous pouvez également voir un lac en arrière-plan. - Sélectionnez un pixel dans le désert juste au nord de l’oasis.
Le diagramme de profil spectral se met à jour.
La plupart des valeurs sont élevées, en particulier pour les bandes SWIR 1 et SWIR 2. Le pixel est identifié en tant que Desert (Désert).
Conseil :
Le pixel peut avoir été identifié en tant que Rock (Roche). Si c’est le cas, essayez un ou deux autres points jusqu’à obtenir l’identification Desert (Désert).
Ensuite, vous allez regarder une zone recouverte d’arbres.
- Identifiez la zone verte plus foncée vers le centre de l’oasis.
Elle concentre des bosquets, notamment des oliviers et des vergers, ainsi que des palmiers.
Cette photo montre une vue de champs cultivés à El Fayoum avec des bosquets en arrière-plan. - Sélectionnez un pixel dans la zone verte foncée riche en arbres au centre de l’oasis.
Le profil spectral se met à jour et le pixel est identifié en tant que Forest (Forêt). Enfin, vous allez regarder un pixel représentant une occupation urbaine du sol.
- Sélectionnez un pixel dans la ville d’El Fayoum.
Le profil spectral se met à jour et le pixel est identifié en tant que Urban (Urbain).
- Fermez la fenêtre Explore Imagery (Explorer l’imagerie).
Dans ce processus, vous avez visualisé le profil spectral de plusieurs pixels de votre imagerie. Vous avez découvert que les profils spectraux peuvent être comparés à des signatures spectrales classiques pour identifier les types d’occupations du sol.
La plupart des techniques d’analyse d’imagerie tirent parti de ces variations de profil spectral. Par exemple, l’indice de végétation que vous avez utilisé dans les précédents didacticiels s’appuie sur les différences et rapports classiques entre les valeurs de bande pour distinguer la végétation saine de celle qui ne l’est pas.
Identifier la forêt de mangrove avec un nuage de points spectral
Pour aller plus loin dans l’exploration des données spectrales, vous allez à présent découvrir les nuages de points spectraux, qui sont un autre moyen d’examiner les valeurs de la bande spectrale. Pour ce faire, vous allez visualiser les forêts de mangrove et d’autres types d’occupations du sol dans l’archipel de Zanzibar.
Zanzibar est un archipel de l’Océan Indien et fait partie de la République-Unie de Tanzanie. Les forêts de mangrove sont composées d’arbres et d’arbustes denses qui poussent dans les zones littorales dans un mélange d’eau salée et d’eau douce. Il s’agit d’un élément important de l’écosystème de l’archipel de Zanzibar. Outre leur exceptionnelle biodiversité, les forêts de mangrove jouent un rôle essentiel dans la prévention de l’érosion côtière et dans la protection de l’arrière-pays contre les événements météorologiques extrêmes. Elles jouent également un rôle fondamental dans la reproduction des poissons et des mollusques, qui sont très importants pour l’économie piscicole locale. Malheureusement, les forêts de mangrove de Zanzibar sont menacées en raison de la pression démographique, du développement agricole et urbain et du changement climatique.
La surveillance des forêts de mangrove par imagerie satellite peut jouer un rôle important dans la restauration et la gestion durable de cet écosystème.
Configurer et explorer l’imagerie
Votre étude va porter sur Makoba Bay, située sur la principale île de Zanzibar, Unguja. En premier lieu, vous allez centrer votre carte sur cet emplacement et configurer l’imagerie.
- Dans la zone de recherche, saisissez Makoba, Zanzibar et appuyez sur Entrée.
La carte s’actualise sur la nouvelle localisation.
- Fermez la fenêtre Search result (Résultat de la recherche), car vous n’en avez plus besoin.
- Cliquez trois fois sur le bouton Zoom in (Zoomer).
- Le cas échéant, faites glisser la carte pour ajuster sa position.
Elle devrait à peu près ressembler à l’exemple d’image suivant : (Les étiquettes jaunes n’apparaissent pas sur votre carte. Elles ont été ajoutées pour faciliter l’orientation.)
Cette étendue représente une partie de l’île d’Unguja, avec l’Océan Indien à l’ouest de l’île, Makoba Bay au nord et une rivière qui se jette dans la baie dans un estuaire.
- Dans la barre latérale, cliquez sur le bouton Explore Imagery (Explorer l’imagerie) pour ouvrir de nouveau la fenêtre Explore Imagery (Explorer l’imagerie).
- Dans la fenêtre Explore Imagery (Explorer l’imagerie), vérifiez que les options de paramètre suivantes sont sélectionnées :
- Pour Layer (Couche), vérifiez que Sentinel-2 Annual GeoMAD est sélectionné.
- Pour Rendering (Rendu), vérifiez que Agriculture with DRA (Agriculture avec DRA) est sélectionné.
- Pour Date, vérifiez que January 1, 2020 (1er janvier 2020) est sélectionné.
Le fond de carte actuel contient des lignes représentant les routes. Vous allez modifier le fond de carte pour supprimer ces lignes et d’autres marquages, de sorte que votre vue de l’imagerie ne contienne aucun élément gênant.
- Dans la barre latérale, cliquez sur le bouton Basemap Gallery (Bibliothèque de fonds de carte).
- Dans la fenêtre Basemap Gallery (Bibliothèque de fonds de carte), choisissez Imagery (Imagerie) et fermez la fenêtre.
Les lignes représentant les routes disparaissent.
Dans cette section, vous allez configurer votre localisation d’intérêt, l’imagerie et le fond de carte. Vous êtes maintenant prêt à explorer Makoba Bay sur l’île d’Unguja.
Explorer un nuage de points spectral
Maintenant, vous allez créer et explorer un nuage de points spectral interactif de votre zone d’intérêt. Un nuage de points spectral est un graphique permettant d’examiner l’association entre deux bandes spectrales et leur relation avec les entités et les types d’occupations du sol sur le terrain. Tout d’abord, vous allez configurer le nuage de points.
- Si nécessaire, rouvrez la fenêtre Explore Imagery (Explorer l’imagerie). Dans la fenêtre Explore Imagery (Explorer l’imagerie), pour What do you want to do? (Que souhaitez-vous faire ?), choisissez Create spectral scatterplot (Créer un nuage de points spectral).
Un nuage de points s’affiche avec les paramètres par défaut. Vous pouvez choisir de représenter deux bandes spectrales sur le nuage de points : une sur l’axe x et l’autre sur l’axe y. Vous allez choisir d’afficher NIR 1 et SWIR 2.
- Pour X, sélectionnez NIR_1 (7), et pour Y, sélectionnez SWIR_2 (10).
Le graphique de nuage de points s’actualise. Chaque pixel d’imagerie actuellement visible sur votre carte est représenté dans le nuage de points en fonction de ses valeurs NIR 1 et SWIR 2. Au premier coup d’œil, vous pouvez voir que les valeurs NIR 1 possible varient de 0,01 à 0,70 et que les valeurs SWIR 2 varient de 0,01 à 0,54. Les couleurs indiquent la fréquence : les places sur le nuage de points contenant le plus de pixels s’affichent en rouge clair.
Remarque :
En fonction de l’étendue exacte de votre carte, votre nuage de points peut être sensiblement différent.
Vous allez à présent interagir avec le nuage de points pour mieux comprendre ce qu’il montre.
En premier lieu, vous allez observer où se trouvent sur le nuage de points les pixels qui représentent l’eau. Il peut s’agir de l’eau de l’océan, de la baie, de l’estuaire ou de la rivière.
Cette photo montre une vue d’une plage à Zanzibar sur l’Océan Indien. - Sur la carte, cliquez sur un pixel représentant l’eau (de l’océan à l’ouest de l’île (en bleu marine), par exemple).
Une croix apparaît, indiquant où se trouve ce pixel sur le nuage de points.
- Cliquez sur quelques autres pixels représentant l’eau sur la carte.
Tous ces pixels apparaissent dans la même zone du nuage de points, en bas à gauche. En fonction de ces positions, il apparaît que les pixels représentant l’eau présentent de très faibles valeurs NIR 1 et SWIR 2. Ensuite, vous allez sélectionner tous ces pixels pour les mettre en évidence sur la carte.
- Sur le nuage de points, cliquez et faites glisser le curseur pour encercler la zone dans laquelle tous les pixels d’eau sont concentrés, comme dans l’exemple d’image ci-dessous :
Les pixels que vous incluez dans votre sélection sont à présent mis en évidence sur la carte.
Il s’agit de tous les pixels représentant l’eau, dans l’océan, la baie, l’estuaire ou la rivière. Notez qu’un petit étang à l’intérieur des terres, au sud-est de la rivière, est également inclus.
- Vous pouvez également tracer de nouveau la forme sur le nuage de points tant que le résultat ne vous satisfait pas.
Ensuite, vous ferez la même chose pour la forêt de mangrove. Dans votre zone d’intérêt, la forêt de mangrove est essentiellement située le long de la baie et de l’estuaire soumis à l’influence de la marée. Elle apparaît en vert plus foncé sur l’imagerie. Sur le nuage de points, en procédant par tâtonnements, vous pouvez constater que les pixels de mangrove s’affichent tous dans une bande allongée en bas du nuage de points. Vous allez l’encercler pour mettre en évidence les pixels de mangrove sur la carte.
- Sur le nuage de points, cliquez n’importe où une seule fois pour supprimer la précédente mise en évidence.
- Sur le nuage de points, cliquez et faites glisser le curseur pour encercler les pixels de mangrove, comme dans l’exemple d’image ci-dessous :
Ces pixels présentent de très faibles valeurs SWIR 2 et des valeurs NIR 1 moyennes à élevées. Sur la carte, tous les pixels de mangrove sont à présent mis en évidence en cyan.
À l’inverse, vous pouvez également mettre en évidence les pixels de la végétation qui n’est pas de la mangrove. En procédant par tâtonnements, vous pouvez constater qu’ils présentent des valeurs NIR 1 moyennes à élevées et des valeurs SWIR 2 moyennes-basses à moyennes-élevées.
- Sur le nuage de points, cliquez n’importe où une seule fois pour supprimer la précédente mise en évidence.
- Sur le nuage de points, cliquez et faites glisser le curseur pour encercler les pixels de végétation qui n’est pas de la mangrove, comme dans l’exemple d’image ci-dessous :
Étonnamment, ces pixels de végétation qui n’est pas de la mangrove présentent tous des valeurs SWIR 2 supérieures aux pixels de mangrove. C’est cette différence qui permet de distinguer clairement les deux types de végétations.
Sur la carte, tous les pixels de végétation qui n’est pas de la mangrove sont à présent mis en évidence en cyan.
Vous pouvez observer que la végétation qui n’est pas de la mangrove est répartie sur l’ensemble de la région. Il s’agit principalement d’un mélange de plantes basses, notamment du manioc et des patates douces, et de plantes pour la production d’épices (clous de girofle, muscade, cannelle et poivre noir, par exemple) mélangées à des palmiers.
Enfin, vous allez mettre en évidence les pixels de terre nue, qui sont concentrés dans le coin supérieur droit du nuage de points.
- Sur le nuage de points, cliquez n’importe où une seule fois pour supprimer la précédente mise en évidence.
- Sur le nuage de points, cliquez et faites glisser le curseur pour encercler les pixels de terre nue, comme dans l’exemple d’image ci-dessous :
Ces pixels ont tendance à présenter des valeurs SWIR 2 très élevées et des valeurs NIR 1 moyennes à élevées.
Sur la carte, tous les pixels de terre nue sont à présent mis en évidence en cyan.
- N’hésitez pas à pousser plus loin l’expérience avec le nuage de points.
Par exemple, vous pouvez cliquer sur plusieurs pixels sur la carte pour voir où ils apparaissent dans le nuage de points. Vous pouvez également tracer d’autres formes sur le nuage de points pour voir quels pixels sont mis en évidence sur la carte.
Les nuages de points spectraux sont utiles pour pouvoir distinguer différents types d’occupations du sol en fonction des deux bandes spectrales. Cela permet d’identifier les plages de valeurs pour chaque type de couverture. Ces valeurs numériques peuvent également être utilisées dans le cadre d’analyses plus approfondies.
Remarque :
Dans ce processus, vous avez exploré les nuages de points NIR 1 et SWIR 2. Ces bandes ont été choisies en procédant par tâtonnements, car elles se sont avérées bien fonctionner pour distinguer la forêt de mangrove des autres types d’occupations du sol. D’autres combinaisons de bandes (bleu et vert, par exemple) ne permettent pas une distinction aussi claire.
Vous pouvez également explorer d’autres combinaisons de bandes dans votre nuage de points et choisir celle qui vous semble le mieux fonctionner.
Avec l’analyse d’imagerie, il est possible d’identifier la forêt de mangrove et de la surveiller dans le temps, afin de savoir si elle progresse ou si elle régresse, et à quelle vitesse. Étant donné que le gouvernement tanzanien met en place des mesures de protection et de restauration de ce précieux écosystème, l’analyse d’imagerie peut également être utilisée pour mesurer les progrès réalisés.
Même si ce didacticiel porte essentiellement sur la compréhension des nuages de points spectraux, de nombreuses méthodes permettent également d’identifier la forêt de mangrove avec l’imagerie. Par exemple, pour savoir comment la State University of Zanzibar a utilisé les données d’imagerie Digital Earth Africa pour surveiller la forêt de mangrove à Zanzibar, lisez Préservation des mangroves à Zanzibar.
Explorer une ville et en savoir plus sur la résolution spatiale
Vous allez à présent aborder un autre concept important en matière d’imagerie : la résolution spatiale. Vous allez consulter des exemples de différentes résolutions spatiales en visitant la ville du Cap, en Afrique du Sud.
Le Cap est la deuxième ville la plus importante d’Afrique du Sud. Il s’agit de la capitale législative du pays. Située à l’extrémité sud de l’Afrique, sur l’Océan Atlantique, elle est réputée pour ces points caractéristiques naturels remarquables (Table Mountain et Signal Hill, par exemple), son port et son littoral pittoresque.
Configurer et explorer l’imagerie
En premier lieu, vous allez centrer la carte sur la ville du Cap.
- Dans la zone de recherche, saisissez Cape Town, South Africa (Le Cap, Afrique du Sud), puis appuyez sur Entrée.
La carte s’actualise sur la nouvelle localisation.
- Fermez la fenêtre Search result (Résultat de la recherche), car vous n’en avez plus besoin.
- Cliquez trois fois sur le bouton Zoom in (Zoomer).
- Le cas échéant, ajustez l’emplacement de la carte de sorte qu’il ressemble à peu près à celui de l’image :
L’imagerie qui s’affiche est toujours la couche Sentinel-2 Annual GeoMAD avec le rendu Agriculture with DRA (Agriculture avec DRA). Avec ce rendu, vous pouvez identifier les zones bâties (bâtiments et rues) en violet, et Signal Hill et Table Mountain dans les tons bruns. Au nord, vous pouvez voir apparaître Green Point Park en vert clair, le stade du Cap en forme de donut en violet, et plus à l'est, le port.
Dans cette section, vous avez centré la carte sur la ville du Cap et vous êtes orienté par rapport à cet emplacement.
Comparer les résolutions spatiales pour différents jeux de données
La résolution spatiale fait référence à la distance représentée par un pixel dans une image. Par exemple, si une image est capturée selon une résolution de 30 mètres, cela signifie que chaque pixel représente un carré de 30 mètres par 30 mètres au sol. Une imagerie dont la résolution est plus élevée permet de distinguer plus de détails, les petites entités étant plus reconnaissables. Une imagerie dont la résolution est plus faible apparaît plus grossière, mais elle génère de plus petits fichiers qui sont faciles à stocker. Consultez les graphiques suivants pour une illustration des différents niveaux de résolution spatiale :
Vous allez utiliser l’outil Compare Imagery (Comparer l’imagerie) pour comparer la résolution spatiale de différents jeux de données d’imagerie.
- Dans la barre latérale, cliquez sur le bouton Compare Imagery (Comparer l’imagerie).
La fenêtre Compare imagery (Comparer l’imagerie) apparaît. Avec cet outil, vous pouvez afficher deux images à droite et à gauche de la carte, et effectuer un mouvement de balayage entre les deux.
- Dans la fenêtre Compare Imagery (Comparer l’imagerie), configurez les options suivantes pour l’image de gauche :
- Vérifiez que l’option Left Image (Image de gauche) est sélectionnée.
- Pour Layer (Couche), vérifiez que Sentinel-2 Annual GeoMAD est sélectionné.
- Pour Rendering (Rendu), vérifiez que Agriculture with DRA (Agriculture avec DRA) est sélectionné.
- Dans la fenêtre Compare Imagery (Comparer l’imagerie), configurez les options suivantes pour l’image de droite :
- Cliquez sur Right Image (Image de droite) pour la sélectionner.
- Pour Layer (Couche), vérifiez que Landsat 8 Annual GeoMAD est sélectionné.
- Pour Rendering (Rendu), vérifiez que Agriculture with DRA (Agriculture avec DRA) est sélectionné.
Remarque :
La couche d’imagerie Landsat 8 Annual GeoMAD est générée selon la même méthode que Sentinel-2 Annual GeoMAD, mais elle est déduite de l’imagerie Landsat 8. Pour en savoir plus sur la création des couches GeoMAD, consultez la documentation Digital Earth Africa.
Landsat est un programme satellite d’observation terrestre des États-Unis qui produit une imagerie spectrale. Landsat 8 est la 8e mission Landsat, lancée en 2013. En savoir plus sur Landsat 8
- Sur la carte, saisissez la poignée de balayage et balayez plusieurs fois de gauche à droite pour comparer les deux images.
La couche Sentinel-2 Annual GeoMAD (à gauche) présente une résolution spatiale de 10 mètres, alors que la couche Landsat 8 Annual GeoMAD (à droite) présente une résolution spatiale de 30 mètres. Observez comment la couche présentant la résolution plus élevée permet de voir les entités avec plus de détail et de précision.
Vous allez maintenant comparer la résolution spatiale du jeu de données Sentinel-2 Annual GeoMAD et le fond de carte Imagery (Imagerie).
- Dans la fenêtre Compare Imagery (Comparer l’imagerie), configurez les options suivantes pour l’image de droite :
- Vérifiez que Right Image (Image de droite) est sélectionné.
- Pour Layer (Couche), sélectionnez None (Aucune).
La couche Landsat 8 Annual GeoMAD disparaît et fait place au fond de carte Imagery (Imagerie) sous-jacent.
Voici le Fond de carte Imagerie mondiale d’Esri. Il contient l’imagerie issue de plusieurs sources, y compris les données TerraColor, les données Maxar et les données fournies par la communauté. Cette imagerie propose différentes résolutions spatiales, en général assez élevées, souvent à 0,3 mètre, voire mieux.
Vous allez modifier la combinaison de bandes pour la couche Sentinel-2 Annual GeoMAD pour qu’elle ressemble plus au fond de carte Imagery (Imagerie).
- Dans la fenêtre Compare Imagery (Comparer l’imagerie), configurez les options suivantes pour l’image de gauche :
- Cliquez sur Left Image (Image de gauche) pour la sélectionner.
- Pour Layer (Couche), vérifiez que Sentinel-2 Annual GeoMAD est sélectionné.
- Pour Rendering (Rendu), sélectionnez Natural Color with DRA (Couleur naturelle avec DRA).
La couche de gauche se met à jour pour afficher la couche Sentinel-2 Annual GeoMAD dans Natural Color with DRA (Couleur naturelle avec DRA). Natural Color with DRA (Couleur naturelle avec DRA) combine les bandes bleue, verte et rouge, qui montrent des couleurs proches de ce que voit l’œil humain.
- Sur la carte, saisissez la poignée de balayage et balayez plusieurs fois de gauche à droite pour comparer les deux images.
Même si les deux couches sont relativement similaires en ce qui concerne le rendu, le fond de carte à droite présente une résolution spatiale beaucoup plus élevée.
- Cliquez une fois sur le bouton Zoom In (Zoomer) et balayez plusieurs fois.
À ce niveau de zoom, la différence de résolution spatiale est plus évidente.
- Cliquez quatre fois sur le bouton Zoom In (Zoomer) et balayez plusieurs fois.
À ce niveau de zoom, la différence de résolution spatiale est plus évidente. Le côté gauche est à présent très flou, mais vous pouvez clairement voir les maisons individuelles et les voitures sur le côté droit.
Lorsque vous choisissez un jeu de données d’imagerie, il est important de tenir compte de sa résolution spatiale pour choisir le jeu de données le plus adapté à votre objectif. Toutefois, il ne s’agit pas de la seule considération. Par exemple, même si le fond de carte Imagery (Imagerie) peut s’avérer utile pour explorer un lieu en détail grâce à sa résolution spatiale élevée, il présente d’autres limites. Il est uniquement composé de trois bandes spectrales : la bleue, la verte et la rouge. Il est donc impossible de l’utiliser pour procéder à une analyse spectrale. C’est tout le contraire pour les couches d’imagerie Sentinel et Landsat, qui présentent un spectre beaucoup plus large grâce à leurs nombreuses bandes. Le niveau de richesse spectrale d’un jeu de données d’imagerie est appelé résolution spectrale. Comme pour la résolution spatiale, il est essentiel d’en tenir compte pour savoir si un jeu de données d’imagerie répondra à vos attentes.
Vous pouvez en savoir plus sur la résolution spatiale, la résolution spectrale et d’autres types de propriétés d’imagerie dans la documentation Types d’imagerie.
Dans ce didacticiel, vous avez appris les concepts essentiels en matière d’imagerie (profil et signature spectraux, nuage de points spectral et résolution spatiale, par exemple) tout en visitant différents endroits en Afrique. Vous êtes maintenant à même de bien comprendre l’imagerie et de l’utiliser dans vos projets.
La série Explorer l’imagerie satellite sur l’Afrique contient d’autres didacticiels comme celui-là.
