Créer un jeu de données mosaïque et extraire des entités de l’imagerie
Pour identifier les infrastructures vulnérables face aux dangers naturels, tels que les glissements de terrain, vous devez au préalable connaître les localisations des infrastructures. Vous allez télécharger un paquetage ArcGIS Pro avec toutes les données requises pour ce processus et créer un jeu de données mosaïque qui contiendra les images. Vous accéderez ensuite à un modèle de Deep Learning pré-entraîné dans ArcGIS Living Atlas qui utilise l’intelligence artificielle pour automatiser l’extraction des emprises de bâtiment à partir d’une couche d’imagerie.
Télécharger un paquetage de projet et l’ouvrir
Vous allez d’abord télécharger le paquetage ArcGIS Pro et l’ouvrir. Il contient toutes les données et cartes dont vous avez besoin pour ce didacticiel.
- Téléchargez le paquetage de projet Grenada-landslide-risk.
Un fichier nommé Grenada-landslide-risk.ppkx est téléchargé sur votre ordinateur.
Remarque :
Un fichier .ppkx est un paquetage de projet ArcGIS Pro qui peut contenir des cartes, des données et d’autres fichiers pouvant être ouverts dans ArcGIS Pro. Pour en savoir plus sur la gestion des fichiers .ppkx, consultez ce guide.
- Recherchez le fichier téléchargé sur votre ordinateur. Double-cliquez sur le fichier pour l’ouvrir dans ArcGIS Pro. À l’invite, connectez-vous à votre compte ArcGIS.
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.
Le projet s’ouvre.
Le projet contient deux cartes, Building footprint extraction (Extraction d’emprises de bâtiment) et Susceptibility analysis (Analyse de probabilité), que vous utiliserez dans les différentes parties de ce didacticiel. Pour le moment, vous allez utiliser la carte Building footprint extraction (Extraction d’emprises de bâtiment).
- Vérifiez que l’onglet Building footprint extraction (Extraction d’emprises de bâtiment) est sélectionné.
La carte contient un fond de carte topographique par défaut représentant le monde. Vous allez à présent ajouter les données d’imagerie.
Créer une mosaïque
Dans cette section, vous allez préparer le jeu de données d’imagerie pour extraire les emprises de bâtiment.
Le projet que vous avez téléchargé inclut l’imagerie aérienne représentant une portion de l’île de Grenade. Vous allez maintenant la rechercher dans le projet.
- Sur le ruban, cliquez sur l'onglet Vue. Dans le groupe Windows (Fenêtres), cliquez sur Catalog Pane (Fenêtre Catalogue).
La fenêtre Catalogue apparaît.
- Dans la fenêtre Catalog (Catalogue), développez Folders (Dossiers), Grenada_landslide_risk, commondata et Aerial-imagery.
Le dossier Aerial_imagery contient 16 images aériennes au format TIFF.
Pour que ces images se comportent comme une même couche, vous allez créer un jeu de données mosaïque. Tout d’abord, vous allez créer un conteneur de jeu de données mosaïque vide auquel vous ajouterez l’imagerie.
- Sur le ruban, dans l’onglet View (Vue), dans le groupe Windows (Fenêtres), cliquez sur Geoprocessing (Géotraitement).
- Dans la fenêtre Geoprocessing (Géotraitement), dans la zone de recherche, saisissez Créer une mosaïque. Dans la liste de résultats, cliquez sur l’outil Create Mosaic Dataset (Créer une mosaïque) pour l’ouvrir.
- Sur l’onglet Parameters (Paramètres) de l’outil Créer un jeu de données mosaïque, pour Output Location (Emplacement en sortie), cliquez sur le bouton Browse (Parcourir).
- Dans la fenêtre Output Location (Emplacement en sortie), cliquez sur Databases (Bases de données), sélectionnez grenada_landslide_risk.gdb, puis cliquez sur OK (OK).
- Pour Mosaic Dataset Name (Nom de la mosaïque), saisissez Grenada_aerial_imagery.
- Dans Système de coordonnées, cliquez sur le bouton Sélectionner un système de coordonnées.
Vous souhaitez utiliser le système de coordonnées WGS 1984 Complex UTM zone 20N (WGS 1984 Complex UTM zone 20N) pour l’ensemble des données de votre projet car il est particulièrement adapté pour la localisation de l’île de Grenade.
- Dans la fenêtre Coordinate System (Système de coordonnées), dans la zone de recherche, saisissez WGS 1984 Complex UTM Zone 20N. Développez Projected Coordinate System (Système de coordonnées projetées), UTM (UTM), WGS 1984 (WGS 1984), Northern Hemisphere (Hémisphère Nord), sélectionnez WGS 1984 Complex UTM Zone 20N (WGS 1984 Complex UTM zone 20N), puis cliquez sur OK (OK).
- Acceptez les autres valeurs par défaut et cliquez sur Run (Exécuter).
Le jeu de données mosaïque Grenada_aerial_imagery vide apparaît dans la fenêtre Contents (Contenu).
Vous allez maintenant y ajouter les 16 images TIFF.
- En bas de la fenêtre Geoprocessing (Géotraitement), cliquez sur l’onglet Catalog (Catalogue).
- Dans la fenêtre Catalog (Catalogue), développez Databases (Bases de données) et grenada_landslide_risk.gdb.
- Cliquez avec le bouton droit sur Grenada_aerial_imagery et sélectionnez Add Rasters (Ajouter des rasters).
- Sélectionnez les valeurs suivantes pour le paramètre Add Rasters to Mosaic Dataset (Ajouter des rasters à la mosaïque) :
- Sous Input Data (Données en entrée), sélectionnez Folder (Dossier).
- Sous Input Data (Données en entrée), cliquez sur le bouton Browse (Parcourir). Dans la fenêtre Input Data (Données en entrée), accédez à Folders (Dossiers) > Grenada-landslide-risk, commondata, puis sélectionnez Aerial_imagery. Cliquez sur OK.
- Développez la section Raster Processing (Traitement raster) et cochez les cases Calculate Statistics (Calculer les statistiques) et Build Raster Pyramids (Construire les pyramides raster).
- Développez la section Mosaic Post-processing (Post-traitement de la mosaïque), puis cochez les cases Build Thumbnails (Générer les miniatures) et Update Overviews (Mettre à jour les vues d’ensemble).
- Acceptez les autres valeurs par défaut et cliquez sur Run (Exécuter).
- Une fois que le traitement est terminé, dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Grenada_aerial_imagery et sélectionnez Zoom To Layer (Zoom sur la couche).
Sur la carte, le jeu de données mosaïque est affiché. Les lignes en vert vif indiquent les limites des 16 images TIFF.
- Dans la fenêtre Contents (Contenu), décochez la case en regard de Footprint (Emprise) pour désactiver la couche.
L’imagerie est maintenant affichée comme une couche unique.
- Effectuez un zoom avant et déplacez-vous autour de la carte pour inspecter les localisations des bâtiments de plus près.
Il existe des centaines de bâtiments dans cette partie de Grenade. Vous pourriez tracer manuellement chaque bâtiment et stocker les emprises en tant qu’entités dans une couche d’entités, mais cela serait fastidieux et prendrait beaucoup de temps. Au lieu de cela, vous allez utiliser le Deep Learning pour extraire automatiquement les emprises de bâtiment.
Extraire des emprises de bâtiment à l’aide du Deep Learning
Les modèles de Deep Learning peuvent classer ou détecter de manière efficace des entités dans l’imagerie. La création et l’entraînement de votre propre modèle de Deep Learning ou l’optimisation d’un modèle pré-entraîné existant sont des tâches avancées. L’aspect le plus difficile et fastidieux dans l’utilisation du Deep Learning consiste à créer une série d’échantillons d’entraînement afin d’apprendre à un modèle à reconnaître le type spécifique d’informations qui vous intéresse. Vous pouvez également utiliser un modèle existant déjà entraîné. ArcGIS Living Atlas of the World propose une bibliothèque toujours plus riche de tels modèles de Deep Learning pré-entraînés. À l’aide de ces modèles, vous pouvez commencer à utiliser immédiatement l’intelligence artificielle pour extraire des informations et obtenir de nouvelles perspectives à partir de votre imagerie. Vous utiliserez ensuite un modèle pré-entraîné de ArcGIS Living Atlas pour détecter des emprises de bâtiment dans votre couche d’imagerie.
Remarque :
L’utilisation des outils de Deep Learning de ArcGIS Pro implique que vous ayez installé les bibliothèques de Deep Learning appropriées sur votre ordinateur. Si ces fichiers ne sont pas installés, vérifiez que ArcGIS Pro est fermé et suivez les étapes décrites dans les instructions Se préparer au Deep Learning dans ArcGIS Pro. Dans ces instructions, vous allez également découvrir comment vérifier si votre matériel informatique et vos logiciels peuvent exécuter des processus de Deep Learning et apprendre d’autres conseils utiles. Une fois que vous avez terminé, vous pouvez poursuivre le didacticiel.
- Dans la fenêtre Géotraitement, cliquez sur le bouton Retour.
- Cliquez sur l’onglet Toolboxes (Boîtes d’outils).
- Développez Image Analyst Tools (Outils Image Analyst) et Deep Learning (Deep Learning), puis cliquez sur l’outil Detect Objects Using Deep Learning (Détecter des objets à l’aide du Deep Learning) pour l’ouvrir.
- Définissez les valeurs suivantes pour le paramètre Detect Objects Using Deep Learning (Détecter des objets à l’aide du Deep Learning) :
- Pour Input Raster (Raster en entrée), sélectionnez Grenada_aerial_imagery.
- Dans Output Detected Objects (Objets détectés en sortie), saisissez Grenada_Buildings.
- Pour Model Definition (Définition du modèle), clicquez sur le bouton Browse (Parcourir).
- Dans la fenêtre Model Definition (Définition du modèle), sous Portal (Portail), cliquez sur Living Atlas (Living Atlas). Dans la zone de recherche, saisissez Extraction d’emprises de bâtiment. Sélectionnez Building Footprint Extraction - USA (Extraction d’emprises de bâtiment - États-Unis), puis cliquez sur OK (OK).
Une fois que vous avez sélectionné le modèle de Deep Learning, ses arguments sont chargés automatiquement.
- Pour threshold (seuil), entrez 0,6.
Remarque :
Les objets détectés ne sont ajoutés au jeu de données en sortie que si le niveau de confiance est égal ou supérieur à la valeur du seuil. Vous trouverez la valeur optimale du seuil en procédant par tâtonnements.
- Cliquez sur l'onglet Environnements.
- Dans Processor Type (Type de processeur), sélectionnez GPU.
Remarque :
L’exécution de l’outil peut prendre de 10 à 20 minutes, selon les spécifications de votre ordinateur. Vous pouvez éventuellement tester l’outil sur une plus petite étendue pour réduire le temps de traitement : effectuez un zoom avant sur une étendue au 1:2500, puis, dans l’onglet Environments (Environnements) de l’outil, remplacez Processing Extent (Étendue de traitement) par Current display extent (Étendue actuellement affichée).
- Acceptez toutes les autres valeurs par défaut, puis cliquez sur Run (Exécuter).
Conseil :
Une fenêtre d’avertissement peut s’afficher et indiquer que le modèle pré-entraîné est en cours de téléchargement. Laissez simplement le téléchargement se terminer sans intervenir.
Vous pouvez surveiller la progression du traitement sous le bouton Run (Exécuter) et cliquer sur View Details (Afficher les détails) pour afficher davantage d’informations.
Une fois que le processus est terminé, la couche de résultats, Grenada_Buildings, apparaît dans la fenêtre Contents (Contenu) et sur la carte. Il s’agit d’une couche d’entités dans laquelle chaque polygone représente un bâtiment.
- Dans la fenêtre Contents (Contenu), cliquez éventuellement avec le bouton droit sur le symbole Grenada_Buildings, puis, dans le sélecteur de couleurs, sélectionnez une couleur qui vous permette de voir clairement cette nouvelle couche.
- Sur la carte, effectuez un zoom avant et inspectez la couche Grenada_Buildings.
Vous allez utiliser l’outil Swipe (Balayer) pour mieux comparer la couche des bâtiments extraits et les images sous-jacentes.
- Dans la fenêtre Contents (Contenu), vérifiez que la couche Grenada_Buildings est sélectionnée.
- Sur le ruban, sur l’onglet Feature Layer (Couche d’entités), dans le groupe Compare (Comparer), cliquez sur Swipe (Balayer).
- Sur la carte, faites glisser la poignée de balayage d’un côté à l’autre de façon répétée afin de retirer la couche des bâtiments extraits et révéler la couche d’images située en dessous.
Conseil :
En mode balayage, vous pouvez déplacer la carte en appuyant sur la touche C du clavier et en faisant glisser la carte à l’aide de la souris.
Vous pouvez constater que le modèle parvenait à détecter avec succès la quasi-totalité des bâtiments.
Remarque :
Si vous appliquez ce processus à vos propres données d’imagerie, il peut arriver que la qualité des résultats de détection des bâtiments ne réponde pas à vos attentes. Dans ce cas, vous pouvez affiner le modèle pré-entraîné afin de mieux l’adapter à vos données. Consultez le didacticiel Améliorer un modèle de Deep Learning avec l’apprentissage par transfert.
- Lorsque vous avez terminé votre exploration, sur le ruban, dans le groupe Navigate (Naviguer) de l’onglet Map (Carte), cliquez sur le bouton Explore (Explorer) pour quitter le mode balayage.
- Dans la barre d’outils Quick Access (Accès rapide), cliquez sur le bouton Save (Enregistrer) pour enregistrer votre projet.
Dans cette première moitié du processsus, vous avez téléchargé un paquetage de projet ArcGIS Pro et l’avez ouvert. Vous avez ensuite créé un jeu de données mosaïque et y avez ajouté des images. Vous avez utilisé le Deep Learning avec un modèle pré-entraîné de ArcGIS Living Atlas pour extraire des emprises de bâtiment à partir de l’imagerie et stocker les résultats dans une couche d’entités. Enfin, vous avez comparé les bâtiments extraits aux images d’origne.
Réaliser une analyse de probabilité de glissement de terrain
Maintenant que vous connaissez les localisations des bâtiments, vous devez identifier les zones de l’île de Grenade susceptibles d’être touchées par un glissement de terrain. Pour cette analyse, vous allez utiliser quatre couches raster et les appliquer à plusieurs fonctions raster rassemblées en un même modèle de fonction raster. Enfin, vous comparerez la couche des résultats de probabilité de glissement de terrain à la couche des bâtiments extraits pour identifier les structures présentant le risque le plus élevé.
Explorer les couches raster
Pour analyser la probabilité de glissement de terrain, vous allez utiliser en entrée quatre couches raster au format TIFF. Chacune représente un facteur principal dans l’évaluation des risques de glissement de terrain.
- Soil type (Type de sol) : les zones dont le sol contient des types spécifiques d’argile présentent un risque de glissement de terrain plus élevé.
- Elevation (Altitude) : les zones dont les pentes sont les plus raides présentent un risque plus élevé.
- Distance from rivers (Distance par rapport aux cours d’eau) : les zones les plus proches de cours d’eau présentent un risque plus élevé.
- Land use (Utilisation du sol) : les zones sur lesquelles sont construits des routes ou des bâtiments et celles végétalisées de manière artificielle présentent un risque plus élevé, tandis que les zones boisées présentent un risque plus faible.
Vous allez maintenant explorer ces quatre couches.
- Cliquez sur l’onglet cartographique Susceptibility analysis (Analyse de probabilité).
La carte Susceptibility analysis (Analyse de probabilité) apparaît avec les quatre couches répertoriées dans la fenêtre Contents (Contenu). Toutes les couches sont actuellement désactivées.
- Dans la fenêtre Contents (Contenu), cochez la case en regard de la couche Land_use.tif pour l’activer.
- Examinez la couche Land_use.tif sur la carte avec sa légende dans la fenêtre Contents (Contenu). Effectuez un zoom avant sur la couche et déplacez-la pour mieux comprendre les informations qu’elle contient.
- De la même manière, activez et examinez les couches Distance_to_rivers.tif, Elevation.tif et Soil_types.tif.
(A) Land use (Utilisation du sol), (B) Distance to rivers (Distance par rapport aux cours d’eau), (C) Elevation (Altitude), (D) Soil types (Types de sol). Conseil :
Développez la couche Soil_types.tif dans la fenêtre Contents (Contenu) pour afficher sa légende. Fermez-la une fois que vous avez terminé car la légende prend beaucoup d’espace.
Vous allez à présent utiliser ces couches en entrée de votre analyse de probabilité de glissement de terrain.
Créez une couche Susceptibility (Probabilité) à l’aide d’un modèle de fonction raster.
Vous allez effectuer l’analyse de probabilité à l’aide des quatre couches raster en entrée. Vous les appliquerez à plusieurs fonctions raster rassemblées (ou chaînées) en un même modèle de fonction raster (RFT). Ce modèle RFT est fourni dans le paquetage de projet que vous avez téléchargé. Pour commencer, vous allez ouvrir le modèle RFT en mode de mise à jour pour en examiner le contenu.
Remarque :
Les fonctions raster sont des opérations qui appliquent le traitement aux rasters de manière dynamique sans enregistrer le résultat sur le disque. Aucun jeu de données intermédiaire n’étant créé, les processus peuvent être appliqués rapidement.
- Sur le ruban, sous l’onglet Imagery (Imagerie), dans le groupe Analysis (Analyse), cliquez sur le bouton Raster Functions (Fonctions raster).
- Dans la fenêtre Raster Functions (Fonctions raster), cliquez sur l’onglet Project (Projet). Le cas échéant, développez la section Grenada_landslide_risk.
Remarque :
Si vous ne voyez pas le modèle de fonction raster, procédez comme suit :
Dans la fenêtre Raster Functions (Fonctions raster), cliquez sur l’onglet Custom (Personnalisé). En regard de Landslide Grenada (Glissement de terrain à Grenade), cliquez sur le bouton Import functions (Importer des fonctions). Dans la fenêtre Select Processing Templates (Sélectionner les modèles de traitement), accédez à Folders (Dossiers) > Grenada_Landslide_Risk > P30 > RasterFunctionTemplates > Grenada_Landslide_Risk et cliquez sur Landslide Susceptibility.rft.xml, puis sur OK.
- Cliquez avec le bouton droit sur le modèle RFT Landslide Susceptibility (Probabilité de glissement de terrain) et sélectionnez Edit (Mettre à jour).
Le modèle RFT apparaît dans la fenêtre de l’éditeur de fonction raster.
Les quatre éléments verts du modèle RFT représentent les quatre entrées de raster. Chaque élément jaune représente une fonction raster. Le traitement se déroule comme suit :
- Pour commencer, certains rasters sont pré-traités. Par exemple, le raster Elevation (Altitude) est converti en raster de pente dans lequel chaque cellule identifie la pente du terrain à sa localisation spécifique (fonction Slope (Pente)).
- Chaque raster est ensuite traité, de sorte que la valeur d’origine de chaque cellule est convertie en valeur de 1 à 10, 10 représentant le risque de glissement de terrain le plus élevé et 1, celui le plus faible (fonction Remap (Classification) ou Calculator (Calculatrice)).
- Les quatre couches de résultats sont ensuite combinées (Weighted Sum (Somme pondérée)) et converties en un raster en sortie dans lequel chaque cellule contient une valeur de 1 à 5 représentant le score global de probabilité de glissement de terrain (Remap: Classify Results (Classification : classer les résultats)).
- Enfin, les étiquettes sont associées à des valeurs numériques de 1 à 5 pour représenter cinq classes de risques (Very Low (Très faible), Low (Faible), Moderate (Modéré), High (Élevé), Very High (Très élevé)) et sont symbolisées avec une combinaison de couleurs pertinente (Attribute Table (Table attributaire)).
- Double-cliquez éventuellement sur certaines des fonctions raster du modèle RFT pour voir comment elles sont configurées.
- Une fois que vous avez terminé, fermez la fenêtre de l’éditeur de fonction Landslide Susceptibility.rft.xml.
Vous allez maintenant appliquer le modèle RFT à vos données.
- Dans la fenêtre Raster Functions (Fonctions raster), cliquez sur le modèle RFT Landslide Susceptibility (Probabilité de glissement de terrain) pour l’ouvrir.
- Sélectionnez les paramètres Landslide Susceptibility (Probabilité de glissement de terrain) suivants :
- Pour Soil Types (Types de sol), sélectionnez Soil_types.tif.
- Pour Elevation (Élévation), sélectionnez Elevation.tif.
- Pour Land Use (Utilisation du sol), sélectionnez Land_use.tif.
- Pour Distance to Rivers (Distance par rapport aux cours d’eau), sélectionnez Distance_to_rivers.tif.
- Cliquez sur Create new layer (Créer une couche) pour générer la couche d’analyse de probabilité.
La couche de résultats apparaît.
Les zones rouges sont les plus sujettes aux glissements de terrain et les zones vertes, les moins sujettes.
Dans cette section, vous avez exécuté un modèle de fonction raster pour créer une couche raster de probabilité de glissement de terrain.
Comparer les emprises de bâtiment aux résultats de probabilité de glissement de terrain
Vous allez maintenant comparer visuellement les emprises de bâtiment que vous avez extraites précédemment à la couche de probabilité de glissement de terrain afin d’identifier les structures à risque. Tout d’abord, vous allez ajouter la couche des emprises de bâtiment à la carte actuelle.
- Cliquez sur l’onglet Building footprint extraction (Extraction d’emprises de bâtiment) pour accéder à la première carte.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit de la souris sur Grenada_Buildings et sélectionnez Copy (Copier).
- Cliquez sur l’onglet Susceptibility analysis (Analyse de probabilité) pour retourner à la deuxième carte.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur Susceptibility analysis (Analyse de probabilité) et sélectionnez Paste (Coller).
La couche Grenada_Buildings est ajoutée à la carte.
- Cliquez avec le bouton droit sur la couche Grenada_Buildings et sélectionnez Zoom To Layer (Zoom sur la couche).
- Un zoom est appliqué à la carte sur la zone dans laquelle vous avez extrait les bâtiments à l’aide du modèle de Deep Learning.
Remarque :
Pour que ce didacticiel ne soit pas trop long, vous n’avez extrait les emprises de bâtiment que pour une portion de l’île. Dans la réalité, vous choisirez peut-être d’extraire les emprises de bâtiment de toute l’île.
- Pour un affichage plus rapide, désactivez toutes les couches de données en entrée (Soil_types.tif, Elevation.tif, Land_use.tif et Distance_to_rivers.tif).
- Effectuez un zoom avant sur la carte et déplacez-la pour identifier les bâtiments qui se trouvent dans des zones à risque élevé (en rouge ou orange).
Il semble que la plupart des bâtiments de l’île de la Grenade soient situés dans des zones présentant un faible risque. Toutefois, certains bâtiments apparaissent dans des zones à risque élevé (orange).
Vous avez utilisé la couche Landslide Susceptibility (Probabilité de glissement de terrain) avec succès pour localiser les bâtiments à risque. Toutefois, il s’agit d’une couche dynamique qui n’existe qu’en mémoire car elle a été générée avec des fonctions raster. Vous allez à présent la stocker sur votre ordinateur pour pouvoir la réutiliser ultérieurement et la partager plus facilement avec vos collègues et la communauté.
- Dans la fenêtre Contents (Contenu), cliquez avec le bouton droit sur la couche Landslide Susceptibility (Probabilité de glissement de terrain), pointez sur Data (Données) et sélectionnez Export raster (Exporter un raster).
- Dans la fenêtre Export Raster (Exporter un raster), définissez les valeurs de paramètre suivantes :
- Pour Output Format (Format en sortie), vérifiez que l’option TIFF est sélectionnée.
- Pour Coordinate System (Système de coordonnées), vérifiez que l’option WGS_1984_Complex_UTM_Zone_20N est sélectionnée.
- Sous Cell Size (Taille de cellule), pour X et Y, saisissez 5.
Chaque cellule du raster en sortie représente un carré de cinq mètres sur cinq mètres à la surface du sol.
- Acceptez toutes les autres valeurs par défaut, puis cliquez sur Export (Exporter).
Au bout de quelques instants, le nouveau raster apparaît sur la carte. Il est similaire à la couche dynamique. Toutefois, il est enregistré dans la fenêtre Catalog (Catalogue).
- Dans la fenêtre Catalog (Catalogue), sous Folders (Dossiers) > Grenada_landslide_risk, recherchez Landslide Susceptibility.tif.
- Appuyez sur Ctrl+S pour enregistrer votre projet.
Dans ce didacticiel, vous avez utilisé l’imagerie et d’autres types de données raster pour étudier les structures présentant un risque de glissement de terrain sur l’île de la Grenade. Dans ArcGIS Pro, vous avez créé un jeu de données mosaïque et y avez ajouté une imagerie aérienne. Vous avez ensuite accédé à un modèle de Deep Learning pré-entraîné dans ArcGIS Living Atlas et l’avez utilisé pour automatiser l’extraction des emprises de bâtiment à partir d’une couche d’imagerie aérienne. Vous avez ensuite utilisé un modèle de fonction raster pour effectuer une analyse raster et établir une classification du paysage selon la probabilité de glissement de terrain. Vous avez comparé la couche de probabilité de glissement de terrain aux emprises de bâtiment extraites pour visualiser les structures à risque. Enfin, vous avez stocké le raster de probabilité de glissement de terrain sur le disque. Vos couches de résultats sont maintenant disponibles pour une utilisation dans d’autres processus de cartographie et d’analyse par vous ou d’autres membres de votre communauté.