Présentation de la classification multivariée

Disponible avec une licence Spatial Analyst.

L'objectif de la classification est d'affecter chaque cellule de la zone d'étude à une classe ou catégorie connue. Voici des exemples de classe ou de catégorie : type d'utilisation du sol, emplacements préférés des ours et risques d'avalanche.

Il existe deux types de classification : surveillé et non supervisé. Dans une classification assistée, vous travaillez avec un échantillonnage des entités. Par exemple, vous savez qu'il y a une forêt de conifères au nord-ouest de votre zone d'étude, vous l'identifiez donc en la délimitant sur la carte, à l'aide d'un (ou de plusieurs) polygone. Un autre polygone est créé de manière à inclure un champ de blé, un autre des immeubles et un autre des masses d'eau. Vous poursuivez ce processus jusqu'à disposer de suffisamment d'entités pour représenter une classe et jusqu'à ce que toutes les classes de vos données soient identifiées. Chaque regroupement d'entités est interprété comme une classe, et le polygone qui englobe la classe comme un échantillon d'apprentissage. Une fois vos échantillons d'apprentissage identifiés, les statistiques multivariées sont appliquées dessus pour établir les relations au sein des classes et entre elles. Les statistiques sont stockées dans un fichier de signatures.

Dans le cadre d'une classification non assistée, vous ne savez pas quelles entités se trouvent à tel ou tel emplacement, mais vous voulez agréger chacun des emplacements en un nombre défini de groupes (ou agrégats). Ce qui détermine la classe ou l'agrégat auquel chaque emplacement sera attribué dépend des statistiques multivariées qui sont calculées sur les canaux en entrée. Chaque agrégat est statistiquement séparé des autres agrégats en fonction des valeurs de chaque canal de chaque cellule contenue dans les agrégats. Les statistiques établissant la définition d'agrégat sont stockées dans un fichier de signatures.

La classification se déroule en quatre étapes :

1. Création et analyse des données en entrée.
2. Génération de signatures pour l'analyse des classes et des agrégats.
3. Évaluation et, si nécessaire, mise à jour des classes et des agrégats.
4. Réalisation de la classification.

Il existe deux types d'entrée pour la classification : les canaux raster en entrée à analyser et les classes ou agrégats dans lesquels ajuster les emplacements. Les canaux des rasters en entrée utilisés dans l'analyse multivariée doivent avoir une incidence sur la catégorisation de la classification ou en être une cause sous-jacente. En d'autres termes, la pente, la profondeur de la couche de neige et le rayonnement solaire peuvent être des facteurs déterminants dans les risques d'avalanche, alors que le type de sol peut ne pas être important.

Une classe correspond à un regroupement d'emplacements représentatif. Parmi des exemples de classes, citons les forêts, les masses d'eau, les champs et les zones résidentielles. Les classes dérivées des agrégats comprennent la préférence des cerfs ou les risques d'érosion.

Chaque emplacement est caractérisé par un ensemble ou un vecteur de valeurs, une valeur étant attribuée à chaque variable ou à un canal dans l'analyse. Chaque emplacement peut être perçu comme un point dans un espace attributaire multidimensionnel dont les axes correspondent aux variables représentées par chaque canal en entrée. Une classe ou un agrégat est un regroupement de points dans cet espace attributaire multidimensionnel. Deux emplacements appartiennent à la même classe ou au même agrégat si leurs attributs (vecteur de valeurs de canal) sont identiques. Vous pouvez utiliser une pile multicanal et des rasters à canaux uniques comme entrée dans une analyse de statistiques multivariées.

Les emplacements correspondant à des classes connues peuvent former des agrégats dans un espace attributaire, s'ils peuvent être différenciés par leurs valeurs attributaires. Les emplacements correspondant à des agrégats naturels dans un espace attributaire peuvent être interprétés comme des classes naturelles de strates.

Références d'analyse statistique multivariée

Campbell, James B. 1987. Introduction to Remote Sensing. The Guilford Press.

Jensen, John R. 1986. Présentation du traitement d'images numériques : une perspective en matière de télédétection. Prentice Hall.

Johnson, Richard A. et Dean W. Wichern. 1988. Applied Multivariate Statistical Analysis. Prentice Hall.

Mosteller, Frederick et John W. Tukey. 1977. Data Analysis and Regression : A Second Course in Statistics. Addison–Wesley.

Richards, John A. 1986. Remote Sensing Digital Image Analysis : An Introduction. Springer-Verlag.